ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP APLIKASI MOBILE BANKING BRIMO DENGAN METODE ENSEMBLE LEARNING

• NOVI PUSPITA SARI
• 2025

---

Penggunaan layanan mobile banking, seperti aplikasi BRImo dari Bank Rakyat
Indonesia (BRI), telah meningkat di Indonesia karena kemajuan teknologi informasi.
Google Play Store memiliki lebih dari 50 juta unduhan dan satu juta ulasan,
menjadikan ulasan pengguna sebagai sumber data yang berharga untuk menilai
persepsi dan pengalaman pengguna. Tujuan dari penelitian ini adalah untuk
menerapkan pendekatan pembelajaran Ensemble yang menggabungkan algoritma
Support Vector Machine (SVM) dan Decision Tree untuk menilai sentimen evaluasi
pengguna terhadap aplikasi BRImo. Dengan menggunakan library Python, teknik
scraping digunakan untuk memperoleh data, dan prosedur preprocessing termasuk
cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming.
Setelah itu, metode berbasis leksikon digunakan untuk mengklasifikasikan data ulasan
dengan sentimen (positif, negatif, atau netral). Dataset 8002 ulasan dibagi 80:20 antara
data pelatihan dan data uji, dan TF-IDF digunakan untuk konversi. Dengan akurasi
92,63%, metode SVM menghasilkan akurasi yang lebih baik daripada Ensemble
(89,38%) dan Decision Tree (86,45%), menurut hasil pengujian. Hasil klasifikasi yang
stabil dan seimbang diperoleh dengan menggabungkan kedua teknik tersebut,
meskipun model Ensemble tidak mampu memberikan hasil yang lebih baik dari SVM.
Aplikasi BRImo secara umum dianggap baik dalam evaluasi pengguna. Diharapkan
para pengembang dapat menggunakan penelitian ini sebagai panduan untuk
meningkatkan kualitas layanan dengan mempertimbangkan persepsi pengguna.

• Analisis Setimen
• BRImo
• Ensemble Learning
• SVM
• Decision Tree
• TF IDF
• Google Colab.

https://repository.bsi.ac.id/repo/74038/ANALISIS-SENTIMEN-ULASAN-PENGGUNA-TERHADAP--APLIKASI-MOBILE-BANKING-BRIMO-DENGAN---METODE-ENSEMBLE-LEARNING
Anda dapat membaca file tugas akhir ini di repository.