Analisis Sentimen terhadap Ulasan Aplikasi Bank Digital Syariah di Indonesia dengan Menggunakan Metode Support Vector Machine dan Convolutional Neural Network

Abstract

Teknologi dan digitalisasi beberapa tahun terakhir mengalami perkembangan sangat pesat. Di Indonesia sendiri, hingga pada periode 2021-2022 pengguna teknologi internet mencapai 210,03 juta. Teknologi memudahkan sebagian besar kebutuhan manusia dalam menjalankan pekerjaan dan aktivitas, termasuk dalam hal transaksi keuangan. Salah satunya dengan hadirnya Bank Digital. Layanan perbankan berbasis digital tak hanya dilakukan oleh bank konvensional namun juga hadirnya beberapa bank digital syariah yang beroperasi di Indonesia. Pada akhir 2021, Bank Aladin Syariah muncul sebagai bank digital murni syariah pertama di Indonesia. Sebagai pioneer bank digital syariah, sangat penting bagi Bank Aladin untuk mendapatkan reputasi yang baik sehingga evaluasi secara berkala diperlukan untuk menjaga kualitas layanan. Ulasan pengguna terhadap Bank Aladin dapat dijadikan sebagai alat efektif dan efisien dalam menemukan informasi. Oleh karena itu, perlu dilakukan analisis sentimen terhadap komentar pada layanan aplikasi. Analisis sentimen Ulasan pengguna terhadap Bank Aladin akan dikategorikan menjadi sentimen positif dan negatif. Klasifikasi awal dalam dua kategori sentimen ini akan ditentukan dengan menggunakan pelabelan berdasarkan rating ulasan pengguna. Hasil klasifikasi awal akan dibandingkan dengan menggunakan metode Support Vector Machine dan Convolutional Neural Network dengan ekstraksi fitur Word2Vec. Data yang digunakan pada penelitian ini merupakan data sekunder yang diperoleh dari kumpulan ulasan atau review pengguna layanan aplikasi Bank Aladin di Google Play Store pada periode 1 Oktober 2022 hingga 31 Desember 2022. Hasil penelitian menunjukkan bahwa metode Convolutional Neural Network lebih baik dibandingkan Support Vector Machine. Pada metode Support Vector Machine nilai akurasi paling baik didapatkan pada parameter C = 1000 dan γ = 10 yaitu sebesar 81,9%. Sedangkan pada metode Convolutional Neural Network model terbaik yang didapatkan menggunakan kombinasi layer yaitu Embedding Layer dengan bobot Word2Vec, Max Pooling 1D, Layer 1 dengan node 8, dan Output layer dengan fungsi aktivasi sigmoid dengan kebaikan model data testing didapatkan accuracy yang baik sebesar 89,8%.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).