Analisis Sentimen Ulasan Aplikasi Wondr By Bni Menggunakan Algoritma Svm Dengan Optimasi Kernel Trick
DOI:
https://doi.org/10.55123/storage.v4i2.5178Keywords:
Analisis Sentimen, SVM, Kernel Trick, Mobile Banking, Wondr by BNIAbstract
Transformasi digital dalam sektor perbankan Indonesia mendorong peluncuran aplikasi Wondr by BNI pada Juli 2024 sebagai pengganti BNI Mobile Banking. Meskipun jumlah pengguna aktifnya telah melampaui 5,3 juta hingga akhir 2024, ulasan di Google Play Store menunjukkan berbagai keluhan teknis, seperti kesulitan login, kegagalan transaksi, dan proses verifikasi yang rumit. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Wondr dengan menerapkan algoritma Support Vector Machine (SVM) dan mengoptimasi performanya menggunakan empat jenis kernel: Linear, RBF, Polynomial, dan Sigmoid. Sebanyak 2.000 ulasan dikumpulkan melalui teknik scraping dari kategori most relevant di Google Play Store. Setelah melalui proses preprocessing dan pelabelan otomatis menggunakan model Multilingual BERT, sebanyak 1.719 data yang berkategori positif dan negatif digunakan untuk proses klasifikasi. Ekstraksi fitur dilakukan dengan metode Term Frequency–Inverse Document Frequency (TF-IDF). Evaluasi performa menggunakan metrik F1-score menunjukkan bahwa kernel Sigmoid dengan parameter C = 3 dan γ = 0,5 menghasilkan performa terbaik dengan nilai Accuracy dan F1-score sebesar 0,922. Analisis frekuensi kata menunjukkan bahwa kata “gagal” dan “verifikasi” mendominasi sentimen negatif, sementara “mudah” dan “cepat” banyak muncul dalam sentimen positif. Temuan ini menunjukkan bahwa kombinasi pelabelan otomatis berbasis BERT dan klasifikasi SVM dengan optimasi kernel mampu menghasilkan model analisis sentimen yang akurat dan stabil untuk mengevaluasi layanan aplikasi perbankan digital.
Downloads
References
Rusman, J., Haryati, B. Z., & Michael, A. (2023) ‘Optimisasi hiperparameter tuning pada metode Support Vector Machine untuk klasifikasi tingkat kematangan buah kopi’, JICON: Jurnal Informatika dan Komputer, 11(2), pp. 89–97. https://doi.org/10.35508/jicon.v11i2.12571
Chazar, C., Erawan, B. & Widhiaputra, F. (2020) Machine learning diagnosis kanker payudara menggunakan algoritma support vector machine.
Darwis, D. et al. (2020) ‘Penerapan algoritma SVM untuk analisis sentimen pada data Twitter Komisi Pemberantasan Korupsi Republik Indonesia’, Jurnal Ilmiah Edutic, X(X), pp. xx–xx.
Fajri, M. & Primajaya, A. (2023) ‘Komparasi teknik hyperparameter optimization pada SVM untuk permasalahan klasifikasi dengan menggunakan grid search dan random search’, Journal of Applied Informatics and Computing (JAIC). Available at: http://jurnal.polibatam.ac.id/index.php/JAIC
Idris, M. and Mussalimun, (2024) ‘Sentiment Analysis of Google Play Store Reviews using Support Vector Machines’, International Journal of Applied Information Systems, 12(42), pp. 48–53. Available at: https://www.ijais.org/archives/volume12/number42/sentiment-analysis-ofgoogle-play-store-reviews-using-supportvector-machines
Ranjan, S. and Mishra, S. (2020) ‘Comparative Sentiment Analysis of App Reviews’, arXiv preprint, arXiv:2006.09739. Available at: https://arxiv.org/abs/2006.09739
Fharyana Otang (2024) ‘Lonjakan 54,89%, transaksi digital jadi andalan keuangan di Indonesia, 2024’, Bank Indonesia Report. Available at: https://www.bi.go.id
Che Mohd Safawi, N.U. and Shafie, N.A. (2023) ‘Performance of TF-IDF for Text Classification Reviews on Google Play Store: Shopee’, Journal of Computing Research and Innovation, 9(2). Available at: https://jcrinn.com/index.php/jcrinn/article/view/410
Singgalen, Y.A., 2025. Improved sentiment classification using multilingual BERT with enhanced performance evaluation for hotel guest review analysis. Journal of Computer System and Informatics (JoSYC), 6(2), pp.508–520. Available at: https://doi.org/10.47065/josyc.v6i2.6870
Fransiska, S. & Gufroni, A. I. (2020) ‘Sentiment analysis provider by U on Google Play Store reviews with TF-IDF and support vector machine (SVM) method’, Scientific Journal of Informatics, 7(2), pp. 2407–7658. Available at: http://journal.unnes.ac.id/nju/index.php/sji
Fremmuzar, P. & Baita, A. (2023) ‘Uji kernel SVM dalam analisis sentimen terhadap layanan Telkomsel di media sosial Twitter’, Komputika: Jurnal Sistem Komputer, 12(2), pp. 57–66. https://doi.org/10.34010/komputika.v12i2.9460
Işık, M. & Dağ, H. (2020) ‘The impact of text preprocessing on the prediction of review ratings’, Turkish Journal of Electrical Engineering and Computer Sciences, Turkiye Klinikleri, pp. 1405–1421. https://doi.org/10.3906/elk-1907-46
Isnain, A. R. et al. (2021) ‘Sentimen analisis publik terhadap kebijakan lockdown pemerintah Jakarta menggunakan algoritma SVM’, JDMSI, 2(1), pp. 31–37. Available at: https://t.co/NfhnfMjtXw
Judijanto, L. et al. (2024) Transformasi Digital (Teori & Implementasi Menuju Era Society 5.0). Available at: https://www.researchgate.net/publication/380462238
Kavabilla, F. E., Widiharih, T. & Warsito, B. (2023) ‘Analisis sentimen pada ulasan aplikasi investasi online Ajaib pada Google Play menggunakan metode support vector machine dan maximum entropy’, Jurnal Gaussian, 11(4), pp. 542–553. https://doi.org/10.14710/j.gauss.11.4.542-553
Khotimah, A. C. & Utami, E. (2022) ‘Comparison Naïve Bayes classifier, K-nearest neighbor and support vector machine in the classification of individual on Twitter account’, Jurnal Teknik Informatika (JUTIF), 3(3). https://doi.org/10.20884/1.jutif.2022.3.3.254
Kulkarni, A. & Mhaske, S. (2020) ‘Tweet sentiment analysis and study and comparison of various approaches and classification algorithms used’, International Research Journal of Engineering and Technology [Preprint]. Available at: www.irjet.net
Kurniawan, R. & Apriliani, A. (2020) ‘Analisis sentimen masyarakat terhadap virus Corona’, Informatika Sains dan Teknologi
Meisya, T. et al. (2021) ‘Perbandingan kernel support vector machine (SVM) dalam penerapan analisis sentimen vaksinasi COVID-19’, SINTECH, 4, pp. 139–145. https://doi.org/10.31598
Munandar, D. et al. (2024) ‘Analisis sentimen ulasan pengguna aplikasi mobile banking menggunakan algoritma K-nearest neighbor’, Jurnal Teknologi Sistem Informasi dan Aplikasi, 7(3), pp. 1309–1318. https://doi.org/10.32493/jtsi.v7i3.41409
Nuraeni Herlinawati et al. (2020) ‘Analisis sentimen Zoom Cloud Meetings di Play Store menggunakan Naïve Bayes dan support vector machine’.
Pooja, P. & Bhalla, R. (2022) ‘A review paper on the role of sentiment analysis in quality education’, SN Computer Science. https://doi.org/10.1007/s42979-022-01366-9
Putri, C. M. et al. (2024) ‘Perbandingan evaluasi kernel support vector machine dalam analisis sentimen chatbot AI pada ulasan Google Play Store’, Jurnal Teknologi Sistem Informasi dan Aplikasi, 7(3), pp. 1236–1245. https://doi.org/10.32493/jtsi.v7i3.41354
Rabbani, S. et al. (2023) ‘Perbandingan evaluasi kernel SVM untuk klasifikasi sentimen dalam analisis kenaikan harga BBM’, MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(2), pp. 153–160. https://doi.org/10.57152/malcom.v3i2.897
Salsabila, A. dan Muntahanah, 2024. Analisis Sentimen Ulasan Aplikasi ChatGPT pada Google Play Menggunakan Metode Support Vector Machine. Progresif: Jurnal Ilmiah Komputer, 20(2), pp.714–723.
Sholihah, E. R. M., Diyase, I. G. S. & Puspanigrum, E. Y. (2024) ‘Perbandingan kinerja kernel linear dan RBF support vector machine untuk analisis sentimen ulasan pengguna KAI Access pada Google Play Store’, Jurnal Mahasiswa Teknik Informatika, 8, pp. 728–733
Syahputra, H. (2021) ‘Sentiment analysis of community opinion on online store in Indonesia on Twitter using support vector machine algorithm (SVM)’, in Journal of Physics: Conference Series, IOP Publishing Ltd. https://doi.org/10.1088/1742-6596/1819/1/012030
Wankhade, M., Rao, A. C. S. & Kulkarni, C. (2022) ‘A survey on sentiment analysis methods, applications, and challenges’, Artificial Intelligence Review, 55(7), pp. 5731–5780. https://doi.org/10.1007/s10462-022-10144-1
Rahardi, M., Aminuddin, A., Abdulloh, F.F. & Nugroho, R.A., 2022. Sentiment Analysis of Covid-19 Vaccination using Support Vector Machine in Indonesia. International Journalof Advanced Computer Science and Applications (IJACSA), 13(6), pp.534–539
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Ikbal Bazar, Farid Wajidi, A. Amirul Asnan Cirua
This work is licensed under a Creative Commons Attribution 4.0 International License.
