Publisher

STMIK BANJARBARUSTMIK BANJARBARU

Journal Progresif: Jurnal Ilmiah KomputerProgresif: Jurnal Ilmiah Komputer Abstract

Aplikasi Jenius diluncurkan pada tahun 2015 oleh PT Bank BTPN Tbk, menghadirkan inovasi dalam layanan perbankan digital dengan kehadiran aktif di media sosial seperti YouTube, Twitter (X), dan Instagram. Pengguna sering memberikan ulasan yang dapat mempengaruhi persepsi dan reputasi aplikasi tersebut. Penelitian ini bertujuan untuk membantu Bank BTPN meningkatkan layanan dengan menganalisis ulasan positif, netral, dan negatif dari pengguna. Metode yang digunakan adalah model Long Short-Term Memory (LSTM) untuk analisis sentimen. Data yang dianalisis terdiri dari 856 komentar di YouTube dengan kata kunci Aplikasi Jenius. Model LSTM diimplementasikan untuk mengidentifikasi persepsi umum dan aspek-aspek yang mempengaruhi kepuasan pengguna, dengan parameter proporsi data latih dan data uji sebesar 70:30. Hasil penelitian menunjukkan bahwa model LSTM mencapai akurasi sebesar 93.57% pada dataset uji, menunjukkan efektivitas model dalam mengidentifikasi sentimen pengguna sehingga dapat digunakan sebagai alat untuk meningkatkan kualitas layanan aplikasi Jenius.

Conclusion

Dalam penelitian, model LSTM yang dikembangkan menunjukkan tingkat akurasi yang impresif sebesar 93.57% pada set data uji, menonjol dalam mengenali kategori netral dengan precision dan recall masing-masing sebesar 0.Namun, model tersebut mengalami kesulitan signifikan dalam mengidentifikasi kategori negatif dan positif, dengan kedua kategori tersebut memiliki precision dan recall sebesar 0.Hal ini mengindikasikan kegagalan model dalam menggeneralisasi pembelajaran terhadap kelas-kelas yang kurang representasi dalam data Latihan.Ketidakseimbangan dalam distribusi kelas tampaknya menjadi faktor krusial yang mempengaruhi kinerja model, dimana model cenderung bias terhadap kelas dengan jumlah sampel terbanyak.Hasil ini menggarisbawahi pentingnya mengimplementasikan strategi penanganan ketidakseimbangan kelas, seperti teknik resampling atau penerapan pembobotan kelas selama pelatihan, untuk meningkatkan sensitivitas model terhadap kelas minoritas.Kesimpulan ini menegaskan perlunya pendekatan yang lebih holistik dalam preprocessing data dan pengembangan model yang tidak hanya fokus pada optimasi akurasi secara keseluruhan tetapi juga pada kemampuan model dalam mengklasifikasikan semua kategori secara adil dan seimbang.Kesimpulan ini juga memicu pertimbangan untuk studi lebih lanjut yang mengarah pada penyesuaian model dan pengujian dengan data yang lebih beragam untuk memvalidasi temuan ini.

Future Research

Untuk penelitian lanjutan, disarankan untuk melakukan analisis lebih mendalam terhadap faktor-faktor yang mempengaruhi sentimen pengguna, seperti demografi pengguna, frekuensi penggunaan aplikasi, dan interaksi dengan fitur-fitur tertentu. Selain itu, studi komparatif antara metode LSTM dengan algoritma analisis sentimen lainnya dapat dilakukan untuk mengevaluasi efektivitas dan keakuratan masing-masing metode. Terakhir, penelitian dapat diperluas dengan menganalisis sentimen pengguna di platform media sosial lainnya selain YouTube, seperti Twitter atau Instagram, untuk mendapatkan gambaran yang lebih komprehensif tentang persepsi pengguna terhadap layanan aplikasi Jenius.

References

1. Sentiment Analysis of Novel Review Using Long Short-Term Memory Method | Nurrohmat | IJCCS (Indonesian... journal.ugm.ac.id/ijccs/article/view/41236Sentiment Analysis of Novel Review Using Long Short Term Memory Method Nurrohmat IJCCS Indonesian journal ugm ac ijccs article view 41236
2. Analisis Sentimen Twitter Terhadap Penggunaan Artis Korea Selatan Sebagai Brand Ambassador Produk Kecantikan... doi.org/10.31539/intecoms.v5i1.3933Analisis Sentimen Twitter Terhadap Penggunaan Artis Korea Selatan Sebagai Brand Ambassador Produk Kecantikan doi 10 31539 intecoms v5i1 3933

Metadata

File size	630.52 KB
Pages	13
DMCA	Report