JakOne Mobile adalah aplikasi layanan perbankan digital dari Bank DKI yang dirancang untuk memudahkan nasabah dalam melakukan berbagai transaksi keuangan secara praktis dan aman. Seiring dengan banyaknya pengguna yang memberikan ulasan terhadap aplikasi JakOne Mobile, Bank DKI perlu memahami sentimen umum yang dimiliki oleh para pengguna. Hal ini penting untuk mengetahui bagaimana aplikasi diterima oleh nasabah dan mengidentifikasi faktor-faktor yang paling memengaruhi kepuasan atau ketidakpuasan mereka. Diperlukan metode otomatis yang mampu mengklasifikasikan sentimen pengguna secara efisien dan akurat. Support Vector Machine (SVM) adalah metode yang dianggap efektif untuk melakukan klasifikasi data teks, namun perlu dibuktikan apakah SVM dapat bekerja secara optimal dalam mengklasifikasikan sentimen pada ulasan aplikasi JakOne Mobile. Dari 5.000 data yang diambil kemudian data dibersihkan, lalu diperoleh sebanyak 4.611 data didapatkan hasil 1.718 untuk hasil positif, 1.583 untuk hasil negatif dan 1.310 untuk hasil netral. Hasil penerapan Support Vector Machine pada aplikasi JakOne Mobile mendapatkan akurasi tertinggi pada pembagian data latih dan data uji 80:20 sebesar 87,34%, Presisi 91%, Recall 91%, dan F1 Score sebesar 91%.
[1] V. Fitriyana et al., “Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine,” 2023.
[2] M. Khoirul, U. Hayati, and O. Nurdiawan, “ANALISIS SENTIMEN APLIKASI BRIMO PADA ULASAN PENGGUNA DI GOOGLE PLAY MENGGUNAKAN ALGORITMA NAIVE BAYES,” 2023.
[3] T. Elizabeth, “Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 4, 2022, [Online]. Available: http://jurnal.mdp.ac.id
[4] R. C. Rivaldi, T. D. Wismarini, J. T. Lomba, and J. Semarang, “Analisis Sentimen Pada Ulasan Produk Dengan Metode Natural Language Processing (NLP) (Studi Kasus Zalika Store 88 Shopee),” vol. 17, no. 1, pp. 120–128, 2024, doi: 10.51903/elkom.v17i1.1680.
[5] O. Manullang, C. Prianto, and N. H. Harani, “Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based dan Random Forest.”
[6] “ANALISIS SENTIMEN TERHADAP KOMENTAR SARKASME MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM).”
[7] A. Frenica, L. Lindawati, L. Lindawati, S. Soim, and S. Soim, “Implementasi Algoritma Support Vector Machine (SVM) untuk Deteksi Banjir,” INOVTEK Polbeng - Seri Informatika, 2023, doi: 10.35314/isi.v8i2.3443.
[8] M. N. Muttaqin and I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor,” UNNES Journal of Mathematics, vol. 10, no. 2, pp. 22–27, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm
[9] S. I. Nurhafida and F. Sembiring, “Analisis Sentimen Aplikasi Novel Online Di Google Play Store Menggunakan Algoritma Support Vector Machine (SVM),” 2022.
[10] E. R. Kaburuan and N. R. Setiawan, “Sentimen Analisis Review Aplikasi Digital Korlantas Pada Google Play Store Menggunakan Metode SVM,” Jurnal Sisfokom (Sistem Informasi dan Komputer), 2023, doi: 10.32736/sisfokom.v12i1.1614.
[11] Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” Jurnal Teknik Komputer AMIK BSI, 2022, doi: 10.31294/jtk.v4i2.
[12] F. Pangestu and Irwansyah, “Analisis Sentimen Ulasan Pengguna Aplikasi Adakami Di Google Playstore Menggunakan Naive Bayes,” The Indonesian Journal of Computer Science, vol. 13, no. 4, Aug. 2024, doi: 10.33022/ijcs.v13i4.4051.
[13] R. Wahyudi et al., “Analisis Sentimen pada review Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” JURNAL INFORMATIKA, vol. 8, no. 2, 2021, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji