DARWIN MUNANDAR, - ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MOBILE BANKING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR. ANALISISSENTIMENULASANPENGGUNAAPLIKASI MOBILE BANKING MENGGUNAKANALGORITMA K-NEAREST NEIGHBOR.

Text (BAB IV) TUGAS AKHIR DARWIN MUNANDAR.pdf - Published Version Restricted to Repository staff only Download (4MB)

Abstract

Abstract Mobile banking menjadi bukti dalam peningkatan proses bisnis di industri perbankan. Meski begitu, aplikasi m-banking tidak lepas dari permasalahan yang dialami penggunanya. Permasalahan umun yang terjadi seperti sulit diakses, verifikasi wajah, login, gagal melakukan transaksi, dan error lainnya. Untuk itu, analisis lebih lanjut diperlukan. Penelitian ini mengusulkan teknik analisis sentimen menggunakan algoritma K-Nearest Neigbor (KNN) untuk mengidentifikasi opini dan ulasan pengguna aplikasi mbanking. Tiga aplikasi m-banking populer dipilih untuk dianalisis lebih lanjut yaitu m-banking A, B, dan C. Analisis menunjukkan bhawa M-banking A merupakan aplikasi m-banking yang paling diminati pengguna, dengan persentase sentimen positif sebesar 58.25%, M-banking C sebesar 22.50%, dan Mbanking B dengan persentase terendah yaitu sebesar 12,70%. Hasil pemodelan menggunakan algoritma KNN dengan uji nilai K = 3, 5 dan 7 menunjukkan K= 3 memiliki kemampuan yang lebih baik. Berdasarkan aplikasi, pemodelan terbaik dihasilkan pada M-banking A dengan akurasi 82.9%, kemudian M-banking C dengan akurasi 70.3%, dan M-banking B dengan akurasi 71.35%. Analisis dan visualisasi juga dilakukan menggunakan word cloud untuk melihat keyword yang sering dibahas pada ulasan. Hasilnya, secara garis besar aplikasi m-banking memiliki masalah pada login yang sulit, pendaftaran atau verifikasi yang ribet, dan saldo terpotong padahal status transfer gagal. Kata Kunci: Analisis Sentimen; K-Nearest Neighbor (KNN); Mobile Banking; Ulasan Pengguna;

Actions (login required)

View Item