Analisis Sentimen Persepsi Konsumen Terhadap Kualitas Layanan Aplikasi BSI Mobile Menggunakan Model Indobert

Perkembangan internet memberikan inovasi baru pada layanan perbankan digital. Salah satu inovasi layanan perbankan digital adalah aplikasi mobile banking. Bank yang telah merilis aplikasi mobile banking adalah Bank Syariah Indonesia (BSI) dengan nama BSI Mobile. Penilaian dari persepsi konsumen diperlukan untuk mengetahui kelebihan dan kekurangan dari layanan aplikasi BSI Mobile. Penilaian terhadap suatu layanan aplikasi dapat diukur menggunakan data ulasan dan komentar. Upaya yang dilakukan untuk mengolah data dan menganalisis ulasan yang ada untuk mengklasifikasikannya menjadi ulasan positif, netral dan negatif melalui proses analisis sentimen. Penelitian ini menggunakan model Bidirecitional Encoder Representations from Transformers dalam bentuk bahasa Indonesia (IndoBERT) dengan model arsitektur Transformer untuk analisis sentimen. Dataset Penelitian ini berjumlah 23931 data. Dataset terdiri dari data komentar dan label sentimen. Pelabelan sentimen pada dataset menggunakan 2 cara, sesuai rating dan menggunakan TextBlob. Data di-split menjadi 2 bagian, 80% data training dan 20% data validation. Model IndoBERT dengan arsitektur Transformer pada penelitian ini menerapkan 8 skenario percobaan model dengan hyperparameters yang bervariasi. Model dibangun menggunakan bahasa pemograman python. Evaluasi terhadap performa model IndoBERT dalam menganalisis sentimen menggunakan confusion matrix dengan menghitung nilai accuracy, precision, recall dan f1-score. Hasil Performa model IndoBERT didapatkan hasil terbaik pada model dengan batch size 16 dan epoch 5 yang menggunakan dataset pelabelan sesuai rating dengan accuracy 0.903, precision 0.900, recall 0.903 dan f1-score 0.901. Hasil analisis sentimen menggunakan confusion matrix menunjukkan model dengan batchsize 16, epoch 5 dan batch size 32, epoch 10 pada dataset pelabelan sesuai TextBlob mendapatkan hasil terbaik dengan nilai yang didapatkan sama besar yaitu 0.94 untuk label positif, 0.64 netral dan 0.91 negatif.