ANALISIS SENTIMEN BSI MOBILE BANKING MENGGUNAKAN TEXTBLOB DAN TF-IDF

• RIZAL PRASETYO
• 14002272

---

ABSTRAK

 

ABSTRAK Nama : Rizal Prasetyo NIM : 14002272 Program Studi : Ilmu Komputer Fakultas : Teknologi Informasi Jenjang : Strata Dua (S2) Konsentrasi : Software Engineering Judul Tesis :“ Analisis Sentimen BSI Mobile Banking Menggunakan
TextBlob dan TF-IDF” Sebagaimana yang sudah dikenali di masyarakat bahwa perbankan merupakan salah satu lembaga keuangan yang mengatur stabilitas perekonomian nasional maupun internasional, Dalam rangka percepatan pengembangan serta perluasan
market share ekonomi syariah, pemerintah melakukan merger tiga bank milik BUMN, pada proses migrasi bisa dilakukan secara digital menggunakan aplikasi BSI mobile banking, banyak masalah yang timbul dalam hal pembaruan sistem yang dilontarkan di ulasan playstore aplikasi BSI mobile banking. Dataset yang dipakai adalah ulasan playstore aplikasi bsi mobile banking yang datanya merupakan data mentah yang harus diproses dalam tahap-tahap text mining seperti tokenisasi, stemming, vectorisasi, TextBlob dan TF-IDF. Dalam penulisan ini dataset diuji dengan algoritma Logistic Regression dan Support Vector Machine (SVM) menggunakan model TextBlob dan TF-IDF. Kesimpulannya melakukan tahapan text mining terhadapa dataset ulasan aplikasi bsi mobile banking yang kemudian hasilnya diuji menggunakan algoritma Logistic Regression dan Support Vector Machine dengan model TextBlob dan TF-IDF yang hasilnya disajikan dalam confusion matrix dan ROC. Kata Kunci : BSI mobile banking, text mining, TextBlob, TF-IDF.
 

KATA KUNCI

Analisis,Analisis Sentimen,TEXTBLOB,TF-IDF

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] A. Fatoni and S. Sidiq, “Analisis perbandingan stabilitas sistem perbankan syariah dan konvensional di indonesia 1,” vol. 11, no. 2, 2019, doi: 10.35313/ekspansi.v11i2.1350. [2] Fahrial, “Peranan Bank Dalam Pembangunan Ekonomi Nasional,”
Ensiklopedia J., vol. 1, no. 1, pp. 179–184, 2018. [3] S. Krismaya and V. Kusumawardhana, “Analisis Perkembangan Profitabilitas Bank BSM, BRIS, Dan BNIS Sebelum Dan Setelah Merger Menjadi BSI Sinta,” J. Manajemen, Ekon. Keuang. dan Akunt. , vol. 2, no. 2, pp. 134–144, 2021. [4] M. Richard, “Market Share Naik, Bank Syariah Nasional Dinilai Kian Potensial,” Bisnis.com, 2021. https://finansial.bisnis.com/read/20210405/231/1376938/market-sharenaik-bank-syariah-nasional-dinilai-kian-potensial (accessed Apr. 24, 2022). [5] Andhi Wicaksono, “Pangsa Pasar Perbankan Syariah RI Baru Baru 2,6 Persen,” CNN Indonesia, 2021. https://www.cnnindonesia.com/ekonomi/20210312140230-78- 616697/pangsa-pasar-perbankan-syariah-ri-baru-baru-26-persen (accessed Apr. 24, 2022). [6] A. Syahputra, “Kondisi Ekonomi Syariah Di Indonesia Pasca Mergernya Bank Syariah Bumn,” J. Ekon. Syariah, Akunt. dan Perbank. , vol. 5, no. 1, pp. 90–106, 2021, doi: 10.52490/jeskape.v5i1.1237. [7] C. M. Somadi, Havis Aravik, “Pengaruh Internet Banking, Mobile Banking dan ATM Terhadap Kepuasan Nasabah BSI KC Palembang Simpang Patal,” J. Ekon. Islam dan Perbank. Syariah, vol. 1, no. 2, pp. 82–96, 2021. [8] A. Ulfa, “Dampak Penggabungan Tiga Bank Syariah di Indonesia,” J. Ilm.
Ekon. Islam, vol. 7, no. 02, pp. 1101 –1106, 2021, doi: http://dx.doi.org/10.29040/jiei.v7i2.2680 1. [9] B. Andrian, T. Simanungkalit, I. Budi, and A. F. Wicaksono, “Sentiment Analysis on Customer Satisfaction of Digital Banking in Indonesia,” Int. J.
Adv. Comput. Sci. Appl., vol. 13, no. 3, 2022, doi: 10.14569/ijacsa.2022.0130356. [10] I. G. S. Mas Diyasa, N. M. I. Marini Mandenni, M. I. Fachrurrozi, S. I. Pradika, K. R. Nur Manab, and N. R. Sasmita, “Twitter Sentiment Analysis as an Evaluation and Service Base On Python TextBlob,” IOP Conf. Ser.
Mater. Sci. Eng., vol. 1125, no. 1, p. 012034, 2021, doi: 10.1088/1757- 899x/1125/1/012034. [11] R. Ahuja, A. Chug, S. Kohli, S. Gupta, and P. Ahuja, “ScienceDirect ScienceDirect The Impact of Features Extraction on the Sentiment Analysis,” Procedia Comput. Sci., vol. 152, pp. 341 –348, 2019, doi: 10.1016/j.procs.2019.05.008. [12] D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media
Inform. Budidarma, vol. 4, no. 2, p. 437, 2020, doi: 10.30865/mib.v4i2.2080. [13] F. Elfaladonna and A. Rahmadani, “Analisa Metode ClassificationDecission Tree Dan Algoritma C.45 Untuk Memprediksi Penyakit Diabetes Dengan Menggunakan Aplikasi Rapid Miner,” SINTECH (Science Inf.
Technol. J., vol. 2, no. 1, pp. 10–17, 2019, doi: 10.31598/sintechjournal.v2i1.293. [14] A. Rahman Isnain, A. Indra Sakti, D. Alita, and N. Satya Marga, “Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma SVM,” Jdmsi, vol. 2, no. 1, pp. 31 –37, 2021, [Online]. Available: https://t.co/NfhnfMjtXw [15] N. S. Marga, A. R. Isnain, and D. Alita, “Terhadap Kasus Corona Menggunakan Metode Naive Bayes,” J. Inform. dan Rekayasa Perangkat
Lunak, vol. 2, no. 4, pp. 453–463, 2020. [16] F. F. Rachman and S. Pramana, “Analisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter,” Heal. Inf. Manag. J., vol. 8, no. 2, pp. 100–109, 2020, [Online]. Available: https://inohim.esaunggul.ac.id/index.php/INO/article/view/223/175 [17] S. S. Salim and J. Mayary, “Analisis Sentimen Pengguna Twitter Terhadap Dompet Elektronik Dengan Metode Lexicon Based Dan K – Nearest Neighbor,” J. Ilm. Inform. Komput., vol. 25, no. 1, pp. 1 –17, 2020, doi: 10.35760/ik.2020.v25i1.2411. [18] F. Rahutomo, I. F. Rozi, and H. Setiyono, “Implementasi Support Vector Machine pada Analisa Sentimen Twitter Berdasarkan Waktu,” J. TAM
(Technology Accept. Model., vol. 10, pp. 83–88, 2019. [19] A. Ririd, P. Y. Saputra, and ..., “Sistem koreksi kesalahan pengetikan kata kunci dalam pencarian artikel menggunakan algoritma jaro-winkler,”
Semin. Inform. … , pp. 60–65, 2019. [20] J. Kaur and P. Kaur Buttar, “A Systematic Review on Stopword Removal Algorithms,” Int. J. Futur. Revolut. Comput. Sci. Commun. Eng. , vol. 4, no. 4, pp. 207–210, 2018, [Online]. Available: http://www.ijfrcsce.org [21] K. Ivanedra, M. Mustikasari, T. Informatika, U. Gunadarma, R. N. Network, and D. Learning, “Implementasi Metode Recurrent Neural Network Pada Text the Implementation of Text Summarization With Abstractive,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, 2019, doi: 10.25126/jtiik.201961067. [22] N. C. Dang, M. N. Moreno-García, and F. De la Prieta, “Sentiment analysis based on deep learning: A comparative study,” Electron., vol. 9, no. 3, 2020, doi: 10.3390/electronics9030483. [23] P. B. N. Setio, D. R. S. Saputro, and Bowo Winarno, “Klasifikasi Dengan Pohon Keputusan Berbasis Algoritme C4.5,” Prism. Pros. Semin. Nas.
Mat., vol. 3, pp. 64–71, 2020. [24] J. Kinoto, J. L. Damanik, E. Tri, S. Situmorang, J. Siregar, and M. Harahap, “Prediksi Employee Churn Dengan Uplift Modeling Menggunakan Algoritma Logistic Regression,” J. Penelit. Tek. Inform., vol. 3, no. 2, pp. 503–508, 2020, [Online]. Available: http://jurnal.unprimdn.ac.id/index.php/JUTIKOMP/article/view/1645/924 [25] Utami et al., “JITE ( Journal of Informatics and Telecommunication Engineering ) Integration Face Recognition and Body Temperature,” J.
Informatics Telecommun. Eng., vol. 5, no. July, pp. 53–64, 2021. [26] K. Kelvin, J. Banjarnahor, E. I. -, and M. NK Nababan, “Analisis perbandingan sentimen Corona Virus Disease-2019 (Covid19) pada Twitter Menggunakan Metode Logistic Regression Dan Support Vector Machine (SVM),” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 5, no. 2, pp. 47–52, 2022, doi: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365. [27] N. Indriani, E. Rainarli, and K. E. Dewi, “Peringkasan dan Support Vector Machine pada Klasifikasi Dokumen,” J. Infotel, vol. 9, no. 4, p. 416, 2017, doi: 10.20895/infotel.v9i4.312. [28] A. K. Febrian, Y. H. Chrisnanto, and P. N. Sabrina, “Studi Komparasi Metode Klasifikasi K-Nearest Neghbor dan Naïve Bayes dalam Mengidentifikasi Kepuasan Pelanggan Terhadap Produk,” Snestik, pp. 333– 338, 2022, [Online]. Available: http://ejournal.itats.ac.id/snestik/article/view/2717/2307 [29] G. Zeng, “On the confusion matrix in credit scoring and its analytical properties,” Commun. Stat. - Theory Methods, vol. 49, no. 9, pp. 2080– 2093, 2020, doi: 10.1080/03610926.2019.1568485. [30] A. Suud, “CIPTA ( Juridical review of the taxation of song works through the application on playstore by copyright perspective ) dalam membagikan atau menggandakan suatu karya digital dengan mudah dan cepat .,” 2nd
Natl. Conf. Law Stud. Leg. Dev. Towar. A Digit. Soc. Era Tinj. , pp. 978– 979, 2020. [31] A. E. Sari, S. Widowati, and K. M. Lhaksmana, “Klasifikasi Ulasan Pengguna Aplikasi Mandiri Online di Google Play Store dengan Menggunakan Metode Information Gain dan Naive Bayes Classifier,” eProceeding Eng., vol. 6, no. 2, pp. 9143–9157, 2019.