Aspect-Based Sentiment Analysis pada Ulasan Pengguna terhadap Aplikasi Betang Mobile
DOI:
https://doi.org/10.47111/jointecoms.v6i1.25781Keywords:
Betang Mobile, Mobile Banking, Bank, IndoBERT, Aspect-Based Sentiment AnalysisAbstract
Analisis umpan balik pengguna pada aplikasi Betang Mobile dari Bank Kalimantan Tengah belum dimanfaatkan secara optimal untuk peningkatan kualitas layanan. Penelitian ini bertujuan merancang sistem Aspect-Based Sentiment Analysis (ABSA) untuk menganalisis ulasan pengguna dan memberikan rekomendasi perbaikan. Metodologi dimulai dengan 1.176 ulasan yang melalui pra-pemrosesan, kemudian Latent Dirichlet Allocation (LDA) digunakan untuk mengekstraksi topik yang dikelompokkan menjadi aspek "Transaksi" dan "Registrasi". Augmentasi data menggunakan IndoT5 diterapkan untuk mengatasi ketidakseimbangan kelas, sehingga total data menjadi 1.406 ulasan. Klasifikasi aspek dan sentimen menggunakan model IndoBERT, sedangkan analisis akar masalah pada sentimen negatif memakai TF-IDF dan Permutation Importance. Hasil penelitian menunjukkan kinerja IndoBERT yang sangat baik dengan akurasi 90.7% untuk klasifikasi aspek dan 97.8% untuk klasifikasi sentimen. Rekomendasi utama adalah peningkatan stabilitas dan keandalan pada seluru h alur transaksi serta proses registrasi dan login untuk memastikan pengguna dapat mengakses aplikasi tanpa eror.
Downloads
References
[1] A. R. Putra and D. E. Ratnawati, “Analisis sentimen berbasis aspek pada aplikasi mobile menggunakan naïve bayes berdasarkan ulasan pengguna playstore (studi kasus : Jconnect Mobile),” Jurnal Teknologi Informasi Dan Ilmu Komputer, vol. 12, no. 2, pp. 293–300, 2025, doi: 10.25126/jtiik.2025127556.
[2] N. Nuryani and D. Mahayana, “Analisis sentimen berbasis aspek dengan deep learning ditinjau dari sudut pandang filsafat ilmu,” JUMANJI (Jurnal Masyarakat Informatika Unjani), vol. 4, no. 02, pp. 78–94, 2021, doi: 10.26874/jumanji.v4i2.58.
[3] R. M. Fadhillah, “Analisis sentimen berbasis aspek pada review aplikasi chatgpt menggunakan multinomial naive bayes,” Fakultas Sains Teknologi, UIN Syarif Hidayatullah Jakarta, Jakarta, 2024. [Online]. Available: https://repository.uinjkt.ac.id/dspace/handle/123456789/80712 .
[4] D. Arianto and I. Budi, “Analisis sentimen berbasis aspek dan pemodelan topik pada candi Borobudur dan candi Prambanan,” MULTINETICS, vol. 8, no. 2, 2022, doi: 10.32722/multinetics.v8i2.5056.
[5] D. Ridhwanulah and D. H. Fudholi, “Pemodelan topik pada cuitan tentang penyakit tropis di Indonesia dengan metode latent dirichlet allocation,” SINUS, vol. 20, no. 1, 2022, doi: 10.30646/sinus.v20i1.589.
[6] N. A. Simanjuntak et al., “Research and analysis of IndoBERT hyperparameter tuning in
fake news detection,” Jurnal Nasional Teknik Elektro Dan Teknologi Informasi (JNTETI), vol. 13, no. 1, pp. 60–67, 2024, doi: 10.22146/jnteti.v13i1.8532 .
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Journal of Information Technology and Computer Science
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
