SENTIMEN ANALISIS ULASAN PENGGUNA APLIKASI BYOND BY BSI PADA GOOGLE PLAYSTORE MENGGUNAKAN ENSEMBLE STACKING CLASSIFIER RANDOM FOREST DAN LOGISTIC REGRESSION

Penelitian ini bertujuan menganalisis sentimen pengguna terhadap aplikasi BYOND by
BSI berdasarkan ulasan di Google Play Store. Proses pengembangan model klasifikasi
dilakukan menggunakan pendekatan CRISP-DM yang meliputi business
understanding, data understanding, data preparation, modeling, evaluation, dan
deployment. Data dikumpulkan melalui scraping dan diproses dengan pembersihan
teks, normalisasi, penghapusan stopword, dan stemming menggunakan pustaka
Sastrawi. Model machine learning yang digunakan adalah Random Forest dan Stacking
Classifier (kombinasi Random Forest dan Logistic Regression). Evaluasi performa
model berdasarkan akurasi, precision, recall, dan f1-score menunjukkan bahwa model
Stacking memiliki performa terbaik dengan akurasi mencapai 90%, lebih unggul dari
Random Forest yang 88%. Analisis SWOT diterapkan untuk mengkaji kekuatan,
kelemahan, peluang, dan ancaman terkait pemilihan model dan distribusi sentimen
pengguna. Hasil visualisasi seperti sebaran sentimen, wordcloud, dan top kata tiap
kategori mendukung interpretasi dan strategi pengembangan. Sistem
diimplementasikan sebagai aplikasi interaktif menggunakan Streamlit dan di-deploy
melalui Hugging Face Spaces, sehingga dapat digunakan secara real-time oleh
pengembang dan pengguna. Dengan integrasi metode CRISP-DM dan analisis SWOT,
penelitian ini memberikan gambaran menyeluruh tentang persepsi pengguna terhadap
aplikasi BYOND serta rekomendasi strategis untuk peningkatan layanan digital
banking BSI.