Analisis Sentimen Pengguna Terhadap Aplikasi Mobile Banking Sumsel Babel Menggunakan K-Means dan Naive Bayes Studi Kasus Pada Data Ulasan Pengguna di Play Store

Latar Belakang: Aplikasi Mobile Banking Sumsel Babel menghadapi masalah rendahnya kepuasan pengguna dengan skor System Usability Scale (SUS) 31,46, yang termasuk kategori "Not Acceptable." Penelitian ini menggunakan metode KMeans dan Naive Bayes. K-Means digunakan untuk mengelompokkan data ulasan berdasarkan pola serupa, sedangkan Naive Bayes mengklasifikasikan sentimen sebagai positif atau negatif dengan akurasi tinggi. Tujuan penelitian ini adalah membantu Sumsel Babel memahami preferensi dan kebutuhan pengguna untuk meningkatkan sistem dan kepuasan pengguna.
Tujuan: Tujuan utama dari penelitian ini adalah agar Sumsel Babel bisa melakukan perbaikan terhadap sistemnya.
Metode Penelitian: Metode K-Means digunakan untuk clustering data dan Naïve Bayes untuk mengklasifikasikan sentimen ulasan pengguna.
Hasil: Hasil dari penelitian ditemukan bahwa terdapat 4 klaster dan setiap cluster di klasifikasikan menggunakan Naïve Bayes di mana cluster 0 hasil sentimennya (-), cluster 1 (+), cluster 2 (+), dan cluster 3 (-). Berdasarkan hasil penelitian tersebut, BSB membutuhakan perbaikan di bagian cluster 0 dan cluster 3.
Kesimpulan: Penelitian menggunakan K-Means untuk klasterisasi pengguna Mobile Banking, Naïve Bayes untuk analisis sentimen, fokus perbaikan di cluster 0 dan 3.