KLASIFIKASI TEXT ULASAN PENGGUNA APLIKASI WONDR BY BNI MENGGUNAKAN ALGORITMA NAIVE BAYES

Fitria Ratna Sari; Tukino Tukino; Shofa Shofiah Hilabi; Bayu Priyatna

doi:10.46576/djtechno.v6i2.6819

KLASIFIKASI TEXT ULASAN PENGGUNA APLIKASI WONDR BY BNI MENGGUNAKAN ALGORITMA NAIVE BAYES

Fitria Ratna Sari, Tukino Tukino, Shofa Shofiah Hilabi, Bayu Priyatna

Abstract

Penelitian ini berfokus pada proses klasifikasi ulasan pengguna aplikasi Wondr by BNI dengan menerapkan algoritma Naïve Bayes. Data yang digunakan berasal dari platform Kaggle, terdiri dari 1.500 data ulasan pengguna aplikasi yang telah melewati tahapan pre-processing seperti cleansing, tokenization, transform cases, stopwords, dan filter tokens. Ulasan tersebut kemudian diberi label secara manual ke dalam kategori label cepat, biasa saja, lambat, dan tidak responsif. Setelah itu label akan di buat otomatis oleh Naïve Bayes. Dataset dibagi menjadi 80:20, lalu di proses menggunakan model klasifikasi berbasis probabilistik Naïve Bayes. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan ulasan pengguna dengan tingkat akurasi sebesar 95%. Evaluasi model berdasarkan precision, recall, dan f1-score menunjukkan performa klasifikasi yang sangat baik pada setiap kategori ulasan. Visualisasi hasil klasifikasi menggunakan confusion matrix, diagram batang, dan wordcloud memberikan pemahaman lebih mendalam terhadap pola ulasan pengguna. Temuan ini membuktikan bahwa algoritma Naïve Bayes efektif dalam menangani teks tidak terstruktur dan dapat diandalkan untuk mendukung analisis evaluasi layanan digital berbasis umpan balik pengguna.

Kata Kunci: Klasifikasi Teks, Naïve Bayes, Ulasan Pengguna, Kaggle, Wondr by BNI

Full Text:

PDF

References

M. Ikhwan, “Analisis Sentimen Publik Terhadap Aplikasi MyPertamina Pada Google Playstore,” J. Manaj. Perbank. Keuang. Nitro, vol. 8, no. 1, pp. 1–12, 2024, doi: 10.56858/jmpkn.v8i1.390.

E. Iskandarsjah, “Wondr by BNI, Aplikasi untuk Pengelolaan Keuangan yang Komprehensif,” 2024. https://www.marketeers.com/wondr-by-bni-aplikasi-untuk-pengelolaan-keuangan-yang-komprehensif/ (accessed Apr. 20, 2025).

A. Syafa’aturrohman, O. Nurdiawan, F. M. Basysyar, and M. Sulaeman, “Naive Bayes Meningkatkan Model Analisis Sentimen Pada Ulasan Aplikasi DANA Di Playstore Indonesia,” Inf. Manag. Educ. Prof., vol. 9, no. 2, pp. 171–180, 2024.

D. Nurwahidah, G. Dwilestari, N. D. Nuris, and R. Narasati, “Analisis Sentimen Data Ulasan Pengguna Aplikasi Google Kelas Pada Google Play Store Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3673–3678, 2023, doi: 10.36040/jati.v7i6.8245.

Hajaroh, T. Suprapti, and R. Narasati, “Implementasi Algoritma Naive Bayes Untuk Analisis Sentimen Ulasan Produk Makanan Dan Minuman Di Tokopedia,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 111–118, 2024, doi: 10.36040/jati.v8i1.8237.

E. Martantoh and N. Yanih, “Implementasi Metode Naïve Bayes Untuk Klasifikasi Karakteristik Kepribadiaan Siswa Di Sekolah MTS Darussa’adah Menggunakan Php MySQL,” J. Teknol. Sist. Inf., vol. 3, no. 2, pp. 166–175, 2022, doi: 10.35957/jtsi.v3i2.2896.

A. Pangestu, Y. Tajul Arifin, and R. Ade Safitri, “Analisis Sentimen Review Publik Pengguna Game Online Pada Platform Steam Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3106–3113, 2023, doi: 10.36040/jati.v7i6.8829.

N. Cahyono, “Ulasan Aplikasi Wondr by BNI,” 2024. https://www.kaggle.com/datasets/nuricahyono/ulasan-aplikasi-wondr-by-bni (accessed Dec. 15, 2024).

M. Y. Siregar, A. Davy Wiranata, and R. A. Saputra, “Analisis Sentimen Pada Ulasan Pengguna Aplikasi Streaming Vidio Menggunakan Metode Naïve Bayes,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 5, pp. 2419–2429, 2024, doi: 10.30865/klik.v4i5.1787.

R. Hidayat, M. Fikry, Yusra, F. Yanto, and E. P. Cynthia, “Penerapan Naïve Bayes Classifier dalam Klasifikasi Sentimen Publik di Twitter terhadap Puan Maharani,” JUKI J. Komput. dan Inform., vol. 6, no. 1, pp. 100–108, 2024, doi: 10.53842/juki.v6i1.479.

M. I. Ahmadi, D. Gustian, and F. Sembiring, “Analisis Sentiment Masyarakat terhadap Kasus Covid-19 pada Media Sosial Youtube dengan Metode Naive bayes,” J. Sains Komput. Inform., vol. 5, no. 2, pp. 807–814, 2021.

S. J. Angelina, A. B. P. Negara, and H. Muhardi, “Analisis Pengaruh Penerapan Stopword Removal Pada Performa Klasifikasi Sentimen Tweet Bahasa Indonesia,” JUARA (Jurnal Apl. dan Ris. Inform., vol. 02, no. 1, pp. 165–173, 2023, doi: 10.26418/juara.v2i1.69680.

T. Ridwansyah, “Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 2, no. 5, pp. 178–185, 2022, doi: 10.30865/klik.v2i5.362.

Kusneti, Ratu, and Wijaya, “Analisis Sentimen Ulasan Aplikasi Linkedin Dalam Google Play Store Dengan Model Naive Bayes,” Djtechno J. Teknol. Inf., vol. 4, no. 2, pp. 374–385, 2023, doi: 10.46576/djtechno.

S. S. Hilabi and Priati, “Analisis Kepuasan Pengguna Terhadap Layanan Aplikasi Media Sosial WhatsApp Mobile Online,” Buana Ilmu, vol. 3, no. 1, pp. 119–136, 2018, doi: 10.36805/bi.v3i1.461.

Tukino, A. Hananto, R. A. Nanda, E. Novalia, E. Sediyono, and J. Sanjaya, “LSTM and Word Embedding: Classification and Prediction of Puskesmas Reviews Via Twitter,” E3S Web Conf., vol. 500, pp. 1–10, 2024, doi: 10.1051/e3sconf/202450001018.

W. Irmayani, “Visualisasi Data Pada Data Mining Menggunakan Metode Klasifikasi Naive Bayes,” J. Khatulistiwa Inform., vol. IX, no. I, pp. 68–72, 2021.

DOI: https://doi.org/10.46576/djtechno.v6i2.6819