PERANCANGAN SISTEM ANALISIS SENTIMEN TERHADAP
APLIKASI BRILINK MOBILE DENGAN METODE NAÃVE BAYES DAN
SUPPORT VECTOR MACHINE (SVM)
Total View This Week0
Total View This Week0
Institusion
Universitas Darma Persada
Author
Reva Putri, Yanita
Subject
005.3 Programs/ Program
Datestamp
2023-12-30 04:19:46
Abstract :
BRILink, layanan perbankan online Bank BRI bekerja sama dengan nasabah BRI sebagai agen, menawarkan Aplikasi Brilink Mobile untuk transaksi. Penelitian ini menganalisis sentimen terhadap aplikasi ini menggunakan metode Naïve Bayes dan Support Vector Machine (SVM). Mayoritas masyarakat Indonesia menunjukkan sentimen negatif terhadap Aplikasi Brilink Mobile, dengan label negatif 66,6%. Penelitian ini membantu Bank BRI tingkatkan kepuasan pelanggan dan kepercayaan melalui layanan perbankan digital. Metode machine learning Naïve Bayes dan SVM diaplikasikan dalam model ini. Data diambil dari studi literatur perbandingan kedua metode dan ulasan pengguna di Google Play Store. Hasilnya menunjukkan SVM memiliki hasil lebih baik: Akurasi 76,43%, Recall 62,71%, Precision 63,18%, F1 Score 62,44%, sementara Naïve Bayes: Akurasi 61,50%, Recall 47,08%, Precision 46,37%, F1 Score 45,90%. Kesimpulannya, SVM memberikan klasifikasi lebih baik dengan Akurasi 76,43%.
BRILink, layanan perbankan online Bank BRI bekerja sama dengan nasabah BRI sebagai agen, menawarkan Aplikasi Brilink Mobile untuk transaksi. Penelitian ini menganalisis sentimen terhadap aplikasi ini menggunakan metode Naïve Bayes dan Support Vector Machine (SVM). Mayoritas masyarakat Indonesia menunjukkan sentimen negatif terhadap Aplikasi Brilink Mobile, dengan label negatif 66,6%. Penelitian ini membantu Bank BRI tingkatkan kepuasan pelanggan dan kepercayaan melalui layanan perbankan digital. Metode machine learning Naïve Bayes dan SVM diaplikasikan dalam model ini. Data diambil dari studi literatur perbandingan kedua metode dan ulasan pengguna di Google Play Store. Hasilnya menunjukkan SVM memiliki hasil lebih baik: Akurasi 76,43%, Recall 62,71%, Precision 63,18%, F1 Score 62,44%, sementara Naïve Bayes: Akurasi 61,50%, Recall 47,08%, Precision 46,37%, F1 Score 45,90%. Kesimpulannya, SVM memberikan klasifikasi lebih baik dengan Akurasi 76,43%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
