Klasifikasi Ulasan Pengguna Aplikasi Wondr Berdasarkan ISO 25010 Menggunakan Multinomial Naive Bayes
Abstrak
Abstrak — Penelitian ini bertujuan mengklasifikasikan ulasan pengguna aplikasi Wondr by BNI berdasarkan kategori ISO 25010 Quality in Use menggunakan algoritma Multinomial Naive Bayes. Data diperoleh melalui scraping ulasan Google Play Store periode Juli 2024 hingga April 2025. Ulasan diproses melalui tahap preprocessing, pelabelan manual ke dalam enam kategori (Satisfaction, Effectiveness, Efficiency, Freedom from Risk, Context Coverage, dan Uncategorized), serta direpresentasikan menggunakan metode TF-IDF. Evaluasi model dilakukan menggunakan K-Fold Cross Validation (K-Fold 5 sampai 10) dengan penerapan teknik oversampling SMOTE dan ADASYN pada rasio 60%, 80%, dan 100% untuk mengatasi ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa oversampling mampu meningkatkan performa model secara signifikan. Performa terbaik diperoleh pada rasio 60%–80%, dengan kombinasi ADASYN 80% menghasilkan nilai tertinggi, yaitu accuracy 0,8516, precision 0,8548, recall 0,8516, dan F1-score 0,8501. Penelitian ini diharapkan dapat memberikan informasi bagi pengguna serta menjadi masukan bagi pengembang dalam meningkatkan kualitas aplikasi Wondr by BNI.
Kata kunci — Multinomial Naïve Bayes, Text Classification, ISO 25010 Quality in Use, Oversampling, TF-IDF, Wondr by BNI, Google Play Store.
Referensi
REFERENSI
berita BNI, “wondr by BNI Catatkan 2 Juta Unduhan Sejak Diluncurkan, Jadi Game Changer di Industri Perbankan - Berita | BNI.” Accessed: Jun. 12, 2025. [Online]. Available: https://www.bni.co.id/id-id/beranda/kabar-bni/berita/articleid/23850
E. Hasibuan and E. A. Heriyanto, “ANALISIS SENTIMEN PADA ULASAN APLIKASI AMAZON SHOPPING DI GOOGLE PLAY STORE MENGGUNAKAN NAIVE BAYES CLASSIFIER,” Jurnal Teknik dan Science, vol. 1, no. 3, pp. 13–24, Oct. 2022, doi: 10.56127/JTS.V1I3.434.
M. Diki Hendriyanto, A. A. Ridha, and U. Enri, “ANALISIS SENTIMEN ULASAN APLIKASI MOLA PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE SENTIMENT ANALYSIS OF MOLA APPLICATION REVIEWS ON GOOGLE PLAY STORE USING SUPPORT VECTOR MACHINE ALGORITHM,” Journal of Information Technology and Computer Science (INTECOMS), vol. 5, no. 1, 2022.
N. Khoirunnisaa, K. Nabila, N. Kesuma, S. Setiawan, A. Yunizar, and P. Yusuf, “KLASIFIKASI TEKS ULASAN APLIKASI NETFLIX PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SVM,” SKANIKA: Sistem Komputer dan Teknik Informatika, vol. 7, no. 1, pp. 64–73, Jan. 2024, doi: 10.36080/SKANIKA.V7I1.3138.
F. Fauzi, Ismatullah, and I. M. Nur, “Unbalanced multiclass classification with adaptive synthetic multinomial naive Bayes approach,” Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, vol. T. 13, nr 3, no. 3, pp. 64–70, 2023, doi: 10.35784/IAPGOS.3740.
F. Dewi and F. K. S. Dewi, “KLASIFIKASI BERITA MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES,” Scan : Jurnal Teknologi Informasi dan Komunikasi, vol. 16, no. 3, pp. 1–8, Oct. 2021, doi: 10.33005/scan.v16i3.2870.
C. V. Putra et al., “ANALISIS DIGITAL MARKETING ANTARA APLIKASI MYBCA DAN WONDR BY BNI,” Jurnal Ilmiah Manajemen dan Akuntansi, vol. 1, no. 6, pp. 24–33, Nov. 2024, doi: 10.69714/1QRT1R98.
D. Rudini, D. G. Purnama, and A. A. Khan, “Penggunaan Teknik Web Scraping dalam Aplikasi Pengambilan Data dari Google Maps untuk Menunjang Digital Marketing,” Lentera: Multidisciplinary Studies, vol. 2, no. 1, pp. 10–19, Nov. 2023, doi: 10.57096/LENTERA.V2I1.61.
Rana M. Amir Latif, Syed Umair Aslam Shah, Farah Ijaz, M. Talha Abdullah, Muhammad Farhan, and Abdul Karim, “Data scraping from google play store and visualization of its content for analytics,” Jan. 2019.
R. Silviany Tantika, P. Statistika, F. Matematika dan Ilmu Pengetahuan Alam, and U. Islam Bandung, “Bandung Conference Series: Statistics Penggunaan Metode Support Vector Machine Klasifikasi Multiclass pada Data Pasien Penyakit Tiroid,” 2022, doi: 10.29313/bcss.v2i2.3590.
A. L. Pomerantsev and O. Y. Rodionova, “New trends in qualitative analysis: Performance, optimization, and validation of multi-class and soft models,” Oct. 01, 2021, Elsevier B.V. doi: 10.1016/j.trac.2021.116372.
Yuyun, Nurul Hidayah, and Supriadi Sahibu, “Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 4, pp. 820–826, Aug. 2021, doi: 10.29207/resti.v5i4.3146.
L. Mayasari and D. Indarti, “KLASIFIKASI TOPIK TWEET MENGENAI COVID MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES DENGAN PEMBOBOTAN TF-IDF,” Jurnal Ilmiah Informatika Komputer, vol. 27, no. 1, pp. 43–53, 2022, doi: 10.35760/IK.2022.V27I1.6184.
M. N. Zahra, K. Kraugusteeliana, and P. Korespodensi, “ANALISIS KUALITAS PERFORMA APLIKASI DIGITAL BANKING X MENGGUNAKAN FRAMEWORK ISO 25010 EVALUATION OF QUALITY OF PERFORMANCE DIGITAL BANKING X APPLICATION USING FRAMEWORK ISO 25010,” vol. 10, no. 3, 2023, doi: 10.25126/jtiik.2023106326.
ISO/IEC 25010:2011, “Systems and software engineering — Systems and software Quality Requirements and Evaluation (SQuaRE) — System and software quality models”, Accessed: May 04, 2025. [Online]. Available: www.iso.org
A. Tholib and Z. Arifin, “Analisis Sentimen Terhadap Ulasan Aplikasi Shopee di Google Play Store Menggunakan Metode TF-IDF dan Long Short-Term Memory (LSTM),” Journal homepage: Journal of Electrical Engineering and Computer (JEECOM), vol. 6, no. 2, 2024, doi: 10.33650/jeecom.v4i2.
S. Szeghalmy and A. Fazekas, “A Comparative Study of the Use of Stratified Cross-Validation and Distribution-Balanced Stratified Cross-Validation in Imbalanced Learning,” Sensors 2023, Vol. 23, Page 2333, vol. 23, no. 4, p. 2333, Feb. 2023, doi: 10.3390/S23042333.
U. Negeri et al., “Komparasi Algoritma Random Forest, Naïve Bayes, dan Bert Untuk Multi-Class Classification Pada Artikel Cable News Network (CNN) Nanang Husin,” Jurnal Esensi Infokom, vol. 7, no. 1, p. 75, 2023.
