Peningkatan Performa Analisis Sentimen Dengan Resampling dan Hyperparameter pada Ulasan Aplikasi BNI Mobile
Article Sidebar
Main Article Content
Abstract
Penggunaan mobile banking meningkat seiring dengan kemajuan teknologi. Hampir setiap bank di Indonesia memiliki layanan mobile banking, termasuk BNI. Menurut survei dari Top Brand Award, BNI Mobile Banking menurun menjadi nomor 4 pada tahun 2016 dan 2017. Artinya terdapat relasi yang kuat antara ulasan pemakai aplikasi terhadap kinerja aplikasi. Dengan demikian membawa akibat pada pentingnya mempertahankan kualitas layanan serta kemampuan untuk bersaing dengan bank lain. Beberapa penelitian analisis sentimen sebelumnya belum melihat ketersediaan apakah dataset sudah dieksplorasi keseimbangannya atau tidak untuk meningkatkan performa model yang dipilih. Oleh karena itu, dalam artikel ini mencoba melakukan analisis sentimen pada ulasan pengguna aplikasi BNI Mobile Banking di Google Play sebanyak 6954 data terpilih dengan label positif dan negatif dan menggunakan 7 metode dasar sebagai baseline untuk dipilih satu yang mempunyai performa terbaik yitu Support Vector Classifier, setelah dilakukan resampling dataset dengan Repeated Edited Nearest Neighbours dan hyperparameter model C=1, degree=2 kernel poly didapatkan akurasi sebesar 98.54% pada data training dan akurasi 100% pada data uji. Selanjutnya dari 26 data mentah baru dilakukan eksperimen dan menghasilkan prediksi benar sebesar 19 sementara 7 salah dengan error rate sebesar 27%.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:
- Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
- Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
- Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
References
Adhi, “Mobile Banking, Kemudahan Transaksi Finansial di Ujung Jari Anda,†https://www.money.id/, 2016. [Online]. Available: https://www.money.id/finance/mobile-banking-kemudahan-transaksi-finansial-di-ujung-jari-anda-1605176/pengguna-mobile-banking-tumbuh-pesat.html. [Accessed: 17-Apr-2019].
P. B. Tbk, “Memperkokoh keunggulan kompetitif,†2017.
G. Yudistira, “Transaksi mobile banking BNI tembus Rp 90 triliun hingga akhir September,†KONTAN.CO.ID, 2018. [Online]. Available: https://keuangan.kontan.co.id/news/transaksi-mobile-banking-bni-tembus-rp-90-triliun-hingga-akhir-september.
Sindo, “Begini Cara Menyusun Strategi Persaingan Usaha,†okezone.com, 2017. [Online]. Available: https://economy.okezone.com/read/2017/02/10/320/1614693/begini-cara-menyusun-strategi-persaingan-usaha.
topbrand-award, “Index Top Brand Award,†2018. [Online]. Available: http://www.topbrand-award.com/top-brand-survey/survey-result.
F. Gunawan, M. A. Fauzi, and P. P. Adikara, “Analisis Sentimen Pada Ulasan Aplikasi Mobile Menggunakan Naive Bayes dan Normalisasi Kata Berbasis Levenshtein Distance (Studi Kasus Aplikasi BCA Mobile),†Syst. Inf. Syst. Informatics J., vol. 3, no. 2, pp. 1–6, 2017, doi: 10.29080/systemic.v3i2.234. [link]
Statcounter, “Mobile Operating System Market Share Indonesia,†https://gs.statcounter.com/, 2018. [Online]. Available: http://gs.statcounter.com/os-market-share/mobile/indonesia.
G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,†Integer J. Maret, vol. 1, no. 1, pp. 32–41, 2017. [link]
M. W. Ningrum and W. Wijanarto, “Implicit Social Trust Dan Support Vector Regression Untuk Sistem Rekomendasi Berita,†CogITo Smart J., vol. 3, no. 2, p. 275, 2018, doi: 10.31154/cogito.v3i2.77.275-285. [link]
L. Zhang, K. Hua, H. Wang, G. Qian, and L. Zheng, “Sentiment analysis on reviews of mobile users,†Procedia Comput. Sci., vol. 34, pp. 458–465, 2014, doi: 10.1016/j.procs.2014.07.013. [link]
M. Rezwanul, A. Ali, and A. Rahman, “Sentiment Analysis on Twitter Data using KNN and SVM,†Int. J. Adv. Comput. Sci. Appl., vol. 8, no. 6, pp. 19–25, 2017, doi: 10.14569/ijacsa.2017.080603. [link]
S. A. Aljuhani and N. S. Alghamdi, “A comparison of sentiment analysis methods on Amazon reviews of Mobile Phones,†Int. J. Adv. Comput. Sci. Appl., vol. 10, no. 6, pp. 608–617, 2019, doi: 10.14569/ijacsa.2019.0100678. [link]
B. Olabenjo, “Applying Naive Bayes Classification to Google Play Apps Categorization,†2016. [link]
A. Mueez, K. A. T. Islam, and W. Iqbal, “Exploratory Data Analysis and Success Prediction of Google Play Store Apps Authors,†no. December, 2018. [link]
R. S. Saleh, “How Should You plan Your App’s Features ? Selecting and Prioritizing A Mobile App’s Initial Features Based on User Reviews,†2017. [link]
D.-F. Xia, S.-L. Xu, and F. Qi, “A proof of the arithmetic mean-geometric mean-harmonic mean inequalities,†RGMIA Res. Rep. Collect., vol. 2, no. 1, pp. 85–87, 1999. [link]
D. M. W. Powers, “Applications and explanations of Zipf's law,†pp. 151–160, 1998. [link]
A. More, “Survey of resampling techniques for improving classification performance in unbalanced datasets,†vol. 10000, pp. 1–7, 2016. [link]
J. Heathcote, “An Experimental Survey of Simple k -Nearest Neighbour Condensing and Editing Algorithms,†vol. 28, 2013. [link]
