ANALISIS SENTIMEN PENGGUNA MOBILE BANKING LIVIN’ BY MANDIRI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Abstrak

Analisis sentimen dalam industri finansial menjadi perhatian utama untuk memahami pandangan serta respon pelanggan terhadap produk dan layanan perbankan. Melalui analisis sentimen, tujuan utama penelitian ini adalah untuk mengekstraksi opini, perasaan, serta tanggapan pengguna terhadap layanan dan fitur yang ditawarkan dengan mengklasifikasikan menjadi sentimen positif dan negatif. Data teks diperoleh dari platform Google Playstore seperti ulasan pengguna, komentar, dan interaksi di platform Livin. Langkah pertama dalam analisis ini adalah pra-pemrosesan teks, termasuk tahapan pembersihan data, tokenisasi, penghapusan stopwords, dan proses normalisasi teks. Setelah tahap pra-pemrosesan, data dipersiapkan untuk melatih model klasifikasi menggunakan algoritma SVM. Penggunaan SVM dalam klasifikasi sentimen memungkinkan identifikasi opini sebagai positif dan negatif. Proses ini mencakup pemilihan parameter SVM yang optimal dan pembentukan model yang mampu mengklasifikasikan sentimen dengan akurasi tinggi. Evaluasi model SVM dilakukan dengan menggunakan metrik seperti akurasi, presisi, recall, dan Area Under Curve (AUC). Fitur smote dan cross validation digunakan untuk memberikan optimalisasi pada model yang sudah dibuat. Hasil penelitian menunjukkan bahwa algoritma SVM dengan jumlah 146 sentimen positif dan 4 sentimen negatif. Nilai akurasi 81,68%, margin error 4,55%, presisi prediksi positif 97,33%, presisi prediksi negatif 73,83%, recall data positif 65,18%, recall data negatif 98,21% dan Area Under Curve (AUC) mendapatkan nilai 0.952 mampu secara efektif mengklasifikasikan sentimen pada data Livin by Mandiri dengan tingkat akurasi yang memuaskan.