Sentimen Pengguna Aplikasi BRImo: Kinerja Algoritma Support Vector Machine, Naive Bayes, dan Adaboost

Abstract


 
 
 
 Dalam konteks perkembangan industri perbankan yang semakin maju, pemanfaatan teknologi modern menjadi faktor kunci untuk meningkatkan kualitas layanan dan memenangkan persaingan di era digital. Bank Rakyat Indonesia (BRI) memikat perhatian masyarakat melalui peluncuran aplikasi perbankan seluler, BRImo. Namun Bank ini perlu meraih pandangan dan pengalaman nasabah terhadap aplikasi mobile banking untuk meningkatkan kualitas pelayanan. Penelitian ini memiliki tujuan untuk menganalisis ulasan pengguna BRImo sebagai objek penelitian. Komparasi dilakukan antara algoritma Support Vector Machine (SVM), Naive Bayes (NB), dan Adaboost dalam mengolah data teks. Evaluasi dilakukan berdasarkan tingkat akurasi, presisi, recall, dan nilai F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memberikan kinerja terbaik dalam mengklasifikasikan tanggapan masyarakat terhadap aplikasi BRImo, dengan tingkat akurasi sebesar 90,4%, presisi 90,8%, recall 90%, dan nilai F1-score 90,3%. Sebagai perbandingan, algoritma Adaboost memberikan nilai terendah dengan tingkat akurasi sebesar 87%, presisi 87,2%, recall 86,8%, dan nilai F1-score 86,9%.