ANALISIS SENTIMEN KEPUASAN PENGGUNA APLIKASI MOBILE BANKING BANK ABC MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

BIMA AJI PRASETYA, BUDANIS DWI MEILANI

Abstract

Aplikasi mobile banking kini menjadi layanan penting dalam mendukung aktivitas transaksi digital. Untuk mengetahui tingkat kepuasan pengguna, analisis sentimen terhadap ulasan pengguna dapat memberikan informasi yang berharga bagi pengembangan aplikasi. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi mobile banking Bank ABC dengan menggunakan metode K-Nearest Neighbor (KNN). Data sebanyak 1000 ulasan dikumpulkan dari Google Play Store dan selanjutnya melalui tahap pre-processing, yang meliputi cleaning, case folding, tokenizing, stopword removal, normalisasi, dan stemming. Setelah itu, pembobotan kata menggunakan metode TF-IDF digunakan untuk mengubah teks menjadi fitur numerik yang dapat diproses oleh model. Proses klasifikasi dilakukan menggunakan algoritma KNN, sedangkan evaluasi performa dilakukan melalui confusion matrix pada tiga skenario jumlah data, yaitu 250, 500, dan 1000 data. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 91% pada 250 data, 88% pada 500 data, dan 89% pada 1000 data, dengan rata-rata akurasi sebesar 87,5%. Temuan ini menunjukkan bahwa metode KNN cukup efektif dalam mengolah dan mengklasifikasikan ulasan pengguna aplikasi mobile banking. Sistem yang dibangun juga dilengkapi antarmuka berbasis web yang memungkinkan pengguna melakukan analisis sentimen dan melihat hasil evaluasi secara interaktif.

Keywords

Analisis Sentimen, K-Nearest Neighbor, TF-IDF, Mobile Banking, Text Mining

Full Text:

PDF

References

Arsi, P., & Waluyo, R. (2021). ANALISIS SENTIMEN WACANA PEMINDAHAN IBU KOTA INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 8(1), 147–156. https://doi.org/10.25126/jtiik.202183944

Cholil, S., Handayani, T., Prathivi, R., & Ardianita, T. (2021). IJCIT (Indonesian Journal on Computer and Information Technology) Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa. In IJCIT (Indonesian Journal on Computer and Information Technology) (Vol. 6, Number 2).

Defit, S., & Widi Nurcahyo, G. (2021). PRODUCT CODEFICATION ACCURACY WITH COSINE SIMILARITY AND WEIGHTED TERM FREQUENCY AND INVERSE DOCUMENT FREQUENCY (TF-IDF). In Journal of Applied Engineering and Technological Science (Vol. 2, Number 2).

Derajad Wijaya, H., & Dwiasnati, S. (2020). Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat. JURNAL INFORMATIKA, 7(1). http://ejournal.bsi.ac.id/ejurnal/index.php/ji

Fristtikasari, D., Alam, S., & Kurniawan, I. (2024). Analisis Sentimen Pengguna Aplikasi Kitalulus pada Ulasan Google Play Store Menggunakan Metode Naïve Bayes. Jurnal Teknologi Informatika Dan Komputer, 10(2), 458–473. https://doi.org/10.37012/jtik.v10i2.2244

Juni Permana, A. H. J. P., & Agung Toto Wibowo. (2023). Movie Recommendation System Based on Synopsis Using Content-Based Filtering with TF-IDF and Cosine Similarity. International Journal on Information and Communication Technology (IJoICT), 9(2), 1–14. https://doi.org/10.21108/ijoict.v9i2.747

Juniandika, I. M., Mahendra, I. B. M., & Pramartha, D. C. (2023). PENERAPAN SISTEM ANALISIS SENTIMEN PADA APLIKASI MOBILE BANKING PT. BANK RAKYAT INDONESIA (Vol. 2, Number 1).

Luthfifah, I., Hernawati, E., Nugroho, H., Aditya, B. R., & Aji, P. (2025). Implementation of K-Nearest Neighbors Algorithm for Red Onion Crop Suitability Land Assessment in Selaawi, Indonesia. Ingenierie Des Systemes d’Information, 30(2), 301–306. https://doi.org/10.18280/isi.300201

Nurrochmah, D. S., Rahaningsih, N., Dana, R. D., & Rohmat, C. L. (2025). Jurnal Informatika Terpadu PENERAPAN ALGORITMA NAIVE BAYES DALAM ANALISIS SENTIMEN ULASAN APLIKASI KITALULUS DI GOOGLE PLAY STORE. Jurnal Informatika Terpadu, 11(1), 1–11. https://journal.nurulfikri.ac.id/index.php/JIT

Purnama, L., & Wahyudi, T. (2024). Analisa Sentimen Tentang Piala Dunia u-20 Indonesia Menggunakan Algoritma K-Nearest Neighbor. Jurnal Sains Dan Teknologi, 6(2), 217–222. https://doi.org/10.55338/saintek.v6i2.1397

Rithmaya, C. L., Ardianto, H., & Sistiyarini, E. (2024). GEN Z AND THE FUTURE OF BANKING: AN ANALYSIS OF DIGITAL BANKING ADOPTION. Jurnal Manajemen Dan Kewirausahaan, 26(1), 64–78. https://doi.org/10.9744/jmk.26.1.64-78

Riza, F., & Kurniawan, B. (2024). ANALISIS SENTIMEN PENGGUNA MOBILE BANKING LIVIN’ BY MANDIRI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE. In Jurnal Ismetek ISSN (Vol. 17, Number 2).

Rosa, I., & Ramadhanu, A. (2025). PENERAPAN ALGORITMA K-NEAREST NEIGHBOR(KNN) DAN PCA UNTUK KLASIFIKASI APEL HIJAU, APEL FUJI DAN JERUK. In Jurnal Mahasiswa Teknik Informatika) (Vol. 9, Number 2).

Shifa Khoirunnisa, C., Anggai, S., Informatika, T., Pamulang, U., & Tangerang Selatan, K. (2025). Analisis Sentimen Opini Masyarakat Terhadap Pemilu 2024 Melalui Media Sosial X Dengan Menggunakan Naive Bayes, K-Nearest Neighbor Dan Decision Tree. In JURNAL ILMU KOMPUTER (Vol. 2, Number 2). Desember.

Wati, R., Ernawati, S., & Rachmi, H. (2023). Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH. Jurnal Manajemen Informatika (JAMIKA), 13(1), 84–93. https://doi.org/10.34010/jamika.v13i1.9424

DOI: https://doi.org/10.31284/j.integer.2026.v11i1.8752

Refbacks

  • There are currently no refbacks.