Skripsi

PERBANDINGAN KINERJA NAIVE BAYES, SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN APLIKASI BRIMO

---

Perkembangan teknologi finansial mendorong peningkatan penggunaan mobile banking, termasuk BRImo milik Bank Rakyat Indonesia (BRI). Namun, ulasan pengguna di Google Play Store menunjukkan berbagai keluhan seperti kesulitan login, error sistem, dan transaksi gagal. Penelitian ini bertujuan menganalisis sentimen pengguna BRImo menggunakan tiga algoritma pembelajaran mesin, yaitu Naive Bayes, Support Vector Machine (SVM), dan Random Forest. Data diperoleh dari 4.996 ulasan melalui web scrapping dan diberi label berdasarkan rating dengan kategori 1-3 negatif dan 4-5 positif. Dari proses pelabelan diperoleh 4.123 ulasan positif dan 873 ulasan negatif, kemudian diseimbangkan menggunakan Synthetic Minority Oversampling Technique (SMOTE). Ekstraksi fitur dilakukan menggunakan TF-IDF. Hasil pengujian menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 0,87, recall 0.70 dan F1-score 0,65 pada kelas negatif, serta F1-score 0,92 pada kelas positif. Nilai macro F1-score mencapai 0,79 dan lebih tinggi dibandingkan SVM (0,69) dan Naive Bayes (0,70). Temuan ini menunjukkan bahwa Random Forest lebih efektif dalam mengelompokkan sentimen pengguna BRImo, terutama setelah penyeimbangan data, dan dapat menjadi acuan bagi pengembang dalam meningkatkan kualitas layanan aplikasi.

---

Availability

Detail Information

Series Title

-

Call Number

T1965962026

Publisher

Indralaya : Prodi Sistem Informasi, Fakultas Ilmu Komputer Universitas Sriwijaya., 2026

Collation

xx, 129 hlm.; ilus.; tab, 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

006.307

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Kecerdasan Buatan
Prodi Sistem Informasi

Specific Detail Info

-

Statement of Responsibility

TUTI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment