STMIK BANJARBARUSTMIK BANJARBARU

Progresif: Jurnal Ilmiah KomputerProgresif: Jurnal Ilmiah Komputer

Bank SeaBank adalah salah satu bank digital yang memiliki media sosial Twitter (X) dan YouTube dengan ribuan pengikut. Kedua platform ini sering digunakan untuk menyampaikan pendapat atau komentar tentang berbagai topik. Penelitian ini bertujuan untuk memberikan tolak ukur bagi Bank SeaBank dalam meningkatkan layanan berdasarkan ulasan positif dan negatif dari pengguna. Data yang dianalisis terdiri dari 500 komentar di Twitter (X) dan YouTube dengan kata kunci Bank SeaBank. Metode yang digunakan mencakup algoritma machine learning seperti SVM, Naïve Bayes, k-NN, Decision Tree, Logistic Regression, serta algoritma deep learning pre-trained BERT. Hasil analisis menunjukkan akurasi tertinggi pada SVM sebesar 84%, diikuti oleh Naïve Bayes sebesar 81%, k-NN sebesar 80%, Decision Tree dan Logistic Regression masing-masing sebesar 77%. Algoritma deep learning BERT mencapai akurasi 86% dengan 3 epoch dan proporsi data latih dan uji sebesar 80:20.

Ada beberapa kesimpulan yang didukung oleh hasil pengujian dan analisis.Dengan analisis sentimen yang ditulis oleh penulis, diketahui bahwa dari 500 data di Twitter (X) dan YouTube, 306 data menunjukkan sentimen positif dan 144 menunjukkan sentimen negatif.Algoritma pembelajaran mesin yang menggunakan algoritma SVM memiliki akurasi sebesar 84%, Naïve Bayes sebesar 81%, K-NN sebesar 80%, Decision Tree sebesar 77% dan Logistic Regresion sebesar 87%.Nilai akurasi tertinggi pada algoritma machine learning diperoleh oleh SVM sebesar 84%.Sedangkan nilai akurasi yang dihasilkan deep learning BERT yaitu 86% dengan epoch 3.Akurasi tertinggi diperolah pada model algoritma deep learning BERT.

Penelitian lanjutan dapat mengeksplorasi penggunaan model deep learning lain seperti LSTM atau GANs untuk meningkatkan akurasi analisis sentimen. Integrasi proses analisis data secara real-time bisa mempercepat respons Bank SeaBank terhadap ulasan pengguna. Selain itu, studi tentang pengaruh demografi pengguna terhadap sentimen bisa memberikan wawasan lebih dalam tentang kepuasan pelanggan. Penelitian juga bisa fokus pada fitur spesifik layanan bank digital, seperti kemudahan aplikasi mobile atau kecepatan transaksi, untuk melihat dampaknya terhadap persepsi pengguna. Penggunaan model multibahasa bisa bermanfaat mengingat keragaman pengguna. Menggabungkan analisis sentimen dengan data dari layanan pelanggan lain, seperti log interaksi, bisa memberikan gambaran menyeluruh tentang kualitas layanan. Pengembangan sistem otomatis untuk mendeteksi sentimen negatif secara langsung bisa meningkatkan retensi pelanggan. Evaluasi jangka panjang dampak perbaikan layanan berbasis sentimen terhadap metrik kinerja bank juga penting. Studi perbandingan teknik preprocessing data terhadap akurasi model bisa menghasilkan wawasan praktis. Ekspansi penelitian ke bank digital lain bisa memberikan benchmark industri yang lebih luas.

  1. Implementasi Algoritma BERT Pada Komentar Layanan Akademik dan Non Akademik Universitas Terbuka di Media... doi.org/10.30872/jsakti.v5i2.13915Implementasi Algoritma BERT Pada Komentar Layanan Akademik dan Non Akademik Universitas Terbuka di Media doi 10 30872 jsakti v5i2 13915
  2. Analisis Sentimen dengan Metode Naïve Bayes, SMOTE dan Adaboost pada Twitter Bank BTN | Jurnal JTIK... doi.org/10.35870/jtik.v7i3.707Analisis Sentimen dengan Metode Nayve Bayes SMOTE dan Adaboost pada Twitter Bank BTN Jurnal JTIK doi 10 35870 jtik v7i3 707
  3. IMPLEMENTASI ALGORITMA MULTINOMIAL NAIVE BAYES PADA ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI... ejournal.itn.ac.id/index.php/jati/article/view/7012IMPLEMENTASI ALGORITMA MULTINOMIAL NAIVE BAYES PADA ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI ejournal itn ac index php jati article view 7012
  4. Indonesian Journal of Data and Science | IJODAS. analisis performa metode knn dataset pasien pengidap... jurnal.yoctobrain.org/index.php/ijodas/article/view/13Indonesian Journal of Data and Science IJODAS analisis performa metode knn dataset pasien pengidap jurnalctobrain index php ijodas article view 13
Read online
File size443.2 KB
Pages12
DMCAReport

Related /

ads-block-test