ANALISIS SENTIMEN ULASAN APLIKASI BYOND BY BSI UNTUK PENINGKATAN LAYANAN MENGGUNAKAN ALGORITMA NAIVE BAYES

Setiawan, Haikal (2025) ANALISIS SENTIMEN ULASAN APLIKASI BYOND BY BSI UNTUK PENINGKATAN LAYANAN MENGGUNAKAN ALGORITMA NAIVE BAYES. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (Cover) Cover.pdf - Accepted Version Download (416kB)
	Text (BAB 1-3) BAB 1-3.pdf - Accepted Version Restricted to Registered users only Download (625kB) | Request a copy
	Text (BAB 4) BAB 4.pdf - Accepted Version Restricted to Registered users only Download (4MB) | Request a copy
	Text (BAB 5) BAB 5.pdf - Accepted Version Restricted to Registered users only Download (262kB) | Request a copy
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Accepted Version Download (239kB)
	Text (Lampiran) Lampiran.pdf - Accepted Version Restricted to Registered users only Download (633kB) | Request a copy

Abstract

Meningkatnya jumlah pengguna internet di Indonesia mendorong sektor perbankan untuk terus berinovasi melalui layanan digital, salah satunya melalui aplikasi Byond by BSI yang dikembangkan oleh Bank Syariah Indonesia. Penelitian ini bertujuan menganalisis sentimen pengguna terhadap aplikasi tersebut dengan menggunakan algoritma Naive Bayes berdasarkan ulasan di Google Play Store. Data penelitian diperoleh melalui pendekatan distant supervision, yaitu pelabelan awal berbasis kamus kata kunci dengan penguatan dari rating bintang. Dengan metode ini berhasil dikumpulkan sebanyak 10.000 ulasan, yang kemudian terbagi menjadi 5.420 ulasan positif dan 4.580 ulasan negatif. Setelah melalui tahap preprocessing, jumlah data mengalami penyusutan karena adanya baris kosong yang dihapus. Data kemudian diproses dengan pembagian 90% sebagai data latih dan 10% sebagai data uji, serta divalidasi menggunakan 10-fold cross-validation. Hasil klasifikasi menunjukkan bahwa algoritma Naive Bayes mampu mengidentifikasi 527 ulasan positif dan 470 ulasan negatif pada data uji, dengan tingkat akurasi mencapai 88%. Temuan ini membuktikan bahwa Naive Bayes mampu mengklasifikasikan sentimen pengguna dengan baik, sehingga dapat menjadi masukan berharga bagi pengembang dalam meningkatkan kualitas layanan perbankan digital.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Naïve Bayes, Sentiment Analysis, SuperApp Byond by BSI, Term Frequency - Inverse Document Frequency (TF-IDF)
Subjects:	Computer Science > Decision Support System (DSS) Computer Science > Informatics Computer Science > Information Systems Computer Science > Information analysis Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Haikal Setiawan
Date Deposited:	27 Aug 2025 04:29
Last Modified:	27 Aug 2025 04:29
URI:	https://repository.bakrie.ac.id/id/eprint/11952

Actions (login required)

View Item