MENINGKATKAN AKURASI ANALISIS KEPUASAN PENGGUNA MOBILE BANKING MELALUI PERBANDINGAN ALGORITMA DECISION TREE NAIVE BAYES DAN K-NEAREST-NEIGHBOUR

Penelitian ini bertujuan untuk mengevaluasi dan membandingkan performa tiga algoritma klasifikasi yaitu Decision Tree, Naïve Bayes, dan K-Nearest Neighbour dalam menilai kepuasan pengguna aplikasi Mobile banking. Data penelitian diperoleh dari ulasan pengguna aplikasi BCA Mobile di Google Play Store menggunakan teknik web scraping. Proses analisis meliputi pengumpulan data, preprocessing teks, balancing data, pemodelan, dan optimasi parameter. Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbour memberikan performa lebih baik dibandingkan Decision Tree dan Naïve Bayes, terutama dalam memanfaatkan representasi vektor TF-IDF. Meskipun begitu, akurasi ketiga model masih tergolong rendah, mengindikasikan adanya keterbatasan pada kompleksitas data teks dan representasi fitur. Penelitian ini diharapkan dapat memberikan wawasan bagi pengembang aplikasi dalam meningkatkan kualitas layanan Mobile banking berdasarkan analisis umpan balik pengguna.