Analisis Sentimen pada Ulasan Aplikasi Wondr di Play Store dengan Metode Naïve Bayes

Abstract

Perkembangan teknologi digital mendorong sektor perbankan untuk terus berinovasi, termasuk dalam pengembangan layanan mobile banking yang lebih responsif terhadap kebutuhan nasabah. Bank Negara Indonesia (BNI) merespons tuntutan tersebut dengan meluncurkan aplikasi Wondr sebagai pengganti BNI Mobile Banking sebelumnya, yang menuai beragam tanggapan dari pengguna di Google Play Store. Penelitian ini dilakukan untuk memahami opini atau persepsi pengguna mengenai aplikasi Wondr, guna mengevaluasi opini pengguna yang bisa dijadikan dasar untuk mengambil langkah strategis dalam pengembangan layanan digital BNI. Pendekatan yang digunakan melibatkan analisis sentimen menggunakan Naive Bayes Classifier, yang dieksekusi melalui bahasa pemrograman Python. Data yang dianalisis terdiri dari 27.124 ulasan pengguna. Hasil klasifikasi menunjukkan bahwa 52,9% ulasan bersifat positif, 39,9% negatif, dan 7,2% netral. Model Naive Bayes memberikan akurasi sebesar 82%, namun performanya masih lemah dalam mengidentifikasi sentimen netral, yang dievaluasi berdasarkan metrik presisi, recall, dan F1-Score. Temuan ini menunjukkan bahwa secara umum aplikasi Wondr diterima dengan baik oleh pengguna, meskipun masih terdapat aspek-aspek yang perlu ditingkatkan. Penelitian ini merekomendasikan eksplorasi algoritma terhadap algoritma klasifikasi alternatif, seperti Random Forest, SVM dan metodologi Deep Learning, serta penerapan teknik SMOTE untuk mengatasi ketidakseimbangan data seperti ulasan netral dalam klasifikasi sentiment penelitian ini.