ANALISIS SENTIMEN TERHADAP LAYANAN NASABAH BANK MENGGUNAKAN TEKNIK KLASIFIKASI NAIVE BAYES

Authors

  • Putri Puspa Wulan Universitas Siber Indonesia
  • Hasan Basri Universitas Siber Indonesia

DOI:

https://doi.org/10.69916/jkbti.v3i2.131

Keywords:

Customer Service, Sentiment Analysis, naive bayes

Abstract

Pelayanan pelanggan di sektor perbankan berpengaruh besar terhadap kepuasan dan kesetiaan nasabah. Namun, mengukur kepuasan dengan kuesioner tertutup seringkali tidak mencakup semua opini. Untuk mengatasi hal ini, analisis sentimen pada kuesioner terbuka digunakan. Sektor perbankan secara umum mengutamakan pelayanan pelanggan, dengan fokus pada senyum, salam, dan sapa. Penelitian ini bertujuan untuk menganalisis sentimen terhadap pelayanan pelanggan bank menggunakan metode klasifikasi Naive Bayes. Data diperoleh melalui survei kuesioner terbuka, kemudian dianalisis menggunakan metode Naive Bayes untuk mengklasifikasikan sentimen menjadi positif dan negatif. Hasil penelitian menunjukkan bahwa metode Naive Bayes efektif dengan akurasi 76.32%. Model yang terbentuk dapat digunakan untuk menganalisis komentar baru dari nasabah, mengekstrak sentimen positif dan negatif, serta memberikan wawasan mendalam kepada bank tentang penilaian nasabah terhadap pelayanan pelanggan. Dengan demikian, bank dapat mengambil tindakan yang sesuai untuk meningkatkan kepuasan nasabah dan kualitas pelayanan secara keseluruhan.

Downloads

Download data is not yet available.

References

X. Zhang et al., “Personalized Digital Customer Services for Consumer Banking Call Centre using Neural Networks,” in 2020 International Joint Conference on Neural Networks (IJCNN), Jul. 2020, pp. 1–7. doi: 10.1109/IJCNN48605.2020.9206709.

R. Mehra, M. K. Bedi, G. Singh, R. Arora, T. Bala, and S. Saxena, “Sentimental analysis using fuzzy and naive bayes,” in 2017 International Conference on Computing Methodologies and Communication (ICCMC), Jul. 2017, pp. 945–950. doi: 10.1109/ICCMC.2017.8282607.

B. Andrian, T. Simanungkalit, I. Budi, and A. F. Wicaksono, “Sentiment Analysis on Customer Satisfaction of Digital Banking in Indonesia,” Int. J. Adv. Comput. Sci. Appl., vol. 13, no. 3, 2022, doi: 10.14569/IJACSA.2022.0130356.

M. S. Hossain and M. F. Rahman, “Customer Sentiment Analysis and Prediction of Insurance Products’ Reviews Using Machine Learning Approaches,” FIIB Bus. Rev., p. 231971452211157, Aug. 2022, doi: 10.1177/23197145221115793.

J. Kim and C. Lim, “Customer complaints monitoring with customer review data analytics: An integrated method of sentiment and statistical process control analyses,” Adv. Eng. Informatics, vol. 49, p. 101304, Aug. 2021, doi: 10.1016/j.aei.2021.101304.

N. A. M. Razali et al., “Opinion mining for national security: techniques, domain applications, challenges and research opportunities,” J. Big Data, vol. 8, no. 1, p. 150, Dec. 2021, doi: 10.1186/s40537-021-00536-5.

K. A. B. Permana, M. Sudarma, and W. G. Ariastina, “Analisis Rating Sentimen pada Video di Media Sosial Youtube Menggunakan STRUCT-SVM,” Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, p. 113, May 2019, doi: 10.24843/MITE.2019.v18i01.P17.

P. Yang and Y. Chen, “A survey on sentiment analysis by using machine learning methods,” in 2017 IEEE 2nd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC), Dec. 2017, pp. 117–121. doi: 10.1109/ITNEC.2017.8284920.

B. Pang and L. Lee, “Opinion Mining and Sentiment Analysis,” Found. Trends® Inf. Retr., vol. 2, no. 1–2, pp. 1–135, 2008, doi: 10.1561/1500000011.

M. N. M. Ibrahim and M. Z. M. Yusoff, “The impact of different training data set on the accuracy of sentiment classification of Naïve Bayes technique,” in 2017 IEEE Conference on Open Systems (ICOS), Nov. 2017, pp. 17–20. doi: 10.1109/ICOS.2017.8280267.

Downloads

Published

2024-05-31

PlumX Metrics

How to Cite

Putri Puspa Wulan, & Basri, H. (2024). ANALISIS SENTIMEN TERHADAP LAYANAN NASABAH BANK MENGGUNAKAN TEKNIK KLASIFIKASI NAIVE BAYES. Jurnal Kecerdasan Buatan Dan Teknologi Informasi, 3(2), 68–74. https://doi.org/10.69916/jkbti.v3i2.131

Issue

Section

Articles