ANALISIS SENTIMEN BERBASIS ASPEK PADA APLIKASI BANK DIGITAL INDONESIA MENGGUNAKAN MACHINE LEARNING

Transformasi digital di sektor perbankan Indonesia telah menciptakan perubahan besar dalam cara masyarakat mengakses dan menggunakan layanan keuangan. Penelitian ini bertujuan untuk menganalisis persepsi dan pengalaman pengguna terhadap tujuh aplikasi bank digital di Indonesia—yakni Bank Jago, Blu by BCA, Jenius, SeaBank, Allo Bank, Bank Neo Commerce, dan Bank Raya—melalui pendekatan Exploratory Data Analysis (EDA) dan Aspect-Based Sentiment Analysis (ABSA) berbasis Machine Learning. Data berupa 138.190 ulasan pengguna dari Google Play Store tahun 2025 dianalisis menggunakan kombinasi TF-IDF vectorization, SMOTE resampling, dan model Support Vector Machine (SVM) untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa sentimen positif mendominasi dengan proporsi 76,11%, diikuti negatif 15,31%, dan netral 8,58%. Delapan aspek utama yang teridentifikasi meliputi Aplikasi & UI, Transaksi, Keamanan, Customer Service, Biaya/Limit, Kartu/Rekening, Registrasi/Verifikasi, serta Pinjaman/Kredit. Aspek Keamanan dan Transaksi memperoleh persepsi paling positif (89,4% dan 84,1%), sedangkan aspek Layanan Pelanggan menunjukkan tingkat keluhan tertinggi (32,5% negatif). Model SVM dengan konfigurasi TF-IDF + SMOTE mencapai akurasi 93% dan F1-score 0,93, menunjukkan kinerja unggul untuk teks berbahasa Indonesia. Temuan ini menegaskan efektivitas integrasi EDA–ABSA–ML dalam menggambarkan persepsi publik secara empiris dan memberikan rekomendasi strategis bagi peningkatan kualitas layanan serta kepercayaan pengguna bank digital di Indonesia.