Sentimen Analisis dengan Long Short-Term Memory dan Synthetic Minority Over Sampling Technic Pada Aplikasi Digital Perbankan

Abstract

Dalam beberapa tahun terakhir, kita telah menyaksikan pertumbuhan yang signifikan dalam transaksi perbankan digital, didukung oleh kemajuan teknologi. Menurut data terbaru dari Asosiasi FinTech Indonesia, transaksi perbankan digital di Indonesia meningkat sebesar 35% dari tahun sebelumnya. Dalam konteks ini, perkembangan aplikasi perbankan digital menjadi semakin penting. Namun, untuk memastikan kualitas dan keberhasilan aplikasi tersebut, umpan balik dari pengguna sangat diperlukan. Salah satu teknik yang digunakan oleh bank adalah analisis sentimen untuk mendapatkan umpan balik terhadap aplikasi digital mereka. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap dua aplikasi perbankan, yaitu DbankPro dan M-BCA, melalui ulasan di Google Playstore. Metode yang digunakan adalah CRISP-DM, dengan menerapkan teknik "Imbalance Data Handling with SMOTE" dan model LSTM. Hasil pengujian menunjukkan akurasi analisis sentimen untuk M-BCA sebesar 91,07%, sementara untuk DbankPro sebesar 89,82%. Implikasi dari penelitian ini adalah pentingnya memperhatikan umpan balik pengguna dalam pengembangan aplikasi perbankan digital untuk meningkatkan kualitasnya dan memenuhi harapan pengguna