ANALISIS SENTIMEN PADA PENILAIAN APLIKASI WONDR BY BNI MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) DAN NAÏVE BAYES CLASSIFIER (

Abstract

Perkembangan teknologi digital yang pesat sangat membantu berbagai aspek kehidupan, termasuk bidang keuangan. Indsutri perbankan di Indonesia terus berinovasi dalam meningkatkan digitalisasi layanan, salah satunya dengan menciptakan aplikasi mobile banking. PT Bank Negara Indonesia (BNI) mempunyai aplikasi mobile banking kedua bernama wondr by BNI. Setelah dilakukannya pembaruan aplikasi wondr by BNI ini memiliki banyak kemajuan yang lebih baik ditandai dengan meningkatnya rating yang awal mula dirilisnya 3,4 menjadi 4,8 sehingga mendorong munculnya berbagai pendapat atau persepsi pengguna terhadap fitur aplikasi wondr by bni setelah diperbarui. Penelitian ini bertujuan untuk membandingkan klasifikasi sentimen pengguna aplikasi wondr by BNI menggunakan Support Vector Machine(SVM) dan Naïve Bayes Classifier(NBC). Data yang digunakan adalah komentar pengguna di Google Play Store yang di-scrape dalam periode 22 Mei 2025 sampai 13 November 2025. Dengan teknik text mining, analisis sentimen dilakukan menggunakan pembobotan kata TF-IDF dilanjutkan metode Support Vector Machine dan Naïve Bayes Classifier. Hasil penelitian menunjukkan bahwa akurasi menggunakan NBC lebih tinggi yaitu 78% dibandingkan menggunakan SVM yaitu sebesar 73%. Evaluasi performa menunjukkan bahwa kedua model memiliki kemampuan yang baik dalam mengklasifikasikan sentimen positif dan negative, tetapi kesulitan dalam mengenali sentimen netral ditunjukkan dengan F1-score yang rendah sebesar 0,47 pada SVM dan 0,43 pada NBC. Hasil penelitian ini dapat membantu BNI dalam meningkatkan kualitas aplikasi dan meningkatkan kepuasan nasabah