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%.