Perkembangan layanan perbankan digital mendorong meningkatnya penggunaan aplikasi mobile banking, salah satunya aplikasi Muamalat DIN milik Bank Muamalat Indonesia. Seiring bertambahnya jumlah pengguna, aplikasi ini menerima berbagai ulasan yang berisi keluhan maupun apresiasi dari pengguna. Ulasan tersebut dimanfaatkan untuk mengevaluasi kualitas dan kinerja aplikasi melalui analisis sentimen. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Muamalat DIN menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Peneltian ini menggunakan pendekatan kuantitatif dengan metode deskriptif. Data diambil dari Google play store melalui teknik web scraping pada periode 1 Januari 2024 hingga 31 Oktober 2025, dengan total 947 ulasan. Data kemudian melalui tahap preprocessing dan diekstraksi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Evaluasi model dilakukan menggunakan confusion matrix dan classification report. Berdasarkan hasil evaluasi, algoritma SVM memperoleh akurasi sebesae 74% dan memiliki performa yang lebih baik dibandingkan Random Forest, khususnya dalam mengklasifikasikan sentimen positif dan negatif. Namun, kedua model masih mengalami kesulitan dalam mengenali sentimen netral yang bersifat ambigu. Hasil penelitian ini diharapkan dapat menjadi bahan evaluasi bagi pengembang dalam meningkatkan kualitas aplikasi Muamalat DIN.
Agusvina, N., & Santoso, N. (2018). Pengelompokan Artikel Berbahasa Indonesia Dengan Menggunakan Reduksi Fitur Information Gain Thresholding Dan K-Means. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3822–3828.
Aryanti, L. I., & Ilhamy, M. L. (2023). Pengaruh Penggunaan Aplikasi Muamalat Din Terhadap Minat Dengan Metode Tam Pada Nasabah Bank Muamalat Medan. Jurnal Perbankan Syariah Dan Ekonomi Syariah, 05(01), 20–33.
Ayani, D. D., Pratiwi, H. S., & Muhardi, H. (2019). Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace. Jurnal Sistem Dan Teknologi Informasi, 7(4), 257–262.
Ayuningtyas, P., Khomsah, S., Informatika, T., Informatika, F., Data, S., & Informatika, F. (2024). Pelabelan Sentimen Berbasis Semi-Supervised Learning menggunakan Algoritma LSTM dan GRU. Jurnal Informatika Sunan Kalijaga, 9(3), 217–229.
Bintang, R. A. K., Romadloni, N. T., & Ramadhani, F. (2025). Perbandingan Kinerja Algoritma Klasifikasi Pada Review Pengguna Aplikasi Netflix. Jurnal Informatika Dan Teknik Elektro Terapan, 13(2). https://doi.org/10.23960/jitet.v13i2.6303
Buulolo, E. (2019). Data Mining untuk Perguruan Tinggi. In Deepublish Publisher. Sleman: Deepublish. https://repository.deepublish.com/media/publications/592918-data-mining-untuk-perguruan-tinggi-e3135731.pdf
Findawati, Y., & Rosid, M. A. (2021). Buku Ajar Text Mining (R. Dijaya (ed.)). Sidoarjo: UMSIDA Press. https://press.umsida.ac.id/index.php/umsidapress/article/view/978-623-6833-19-3/770
Fitri, E., Yuliani, Y., Rosyida, S., & Gata, W. (2020). Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine. Jurnal Transformatika, 18(1), 71–80. https://doi.org/10.26623/transformatika.v18i1.2317
Harahap, E. H., Muflikhah, L., & Rahayudi, B. (2018). Implementasi Algoritma Support Vector Machine ( SVM ) Untuk Penentuan Seleksi Atlet Pencak Silat. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3843–3848.
Herwijayanti, B., Ratnawati, D. E., & Muflikhah, L. (2018). Klasifikasi Berita Online d engan menggunakan Pembobotan TF-IDF dan Cosine Similarity. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(1), 306–312.
Islamiah, I. N., Fibriyani, N., Salman, B., & Huda, N. (2024). Transformasi Digital pada Perbankan Syariah Indonesia?: Produk IT dan Jenis Transaksi. Journal of Islamic Economics, Management and Business, 3, 91–104.
Khan, T. A., Sadiq, R., Shahid, Z., Alam, M. M., & Mohd Su’ud, M. (2024). Sentiment Analysis using Support Vector Machine and Random Forest. Journal of Informatics and Web Engineering, 3(1), 67–75. https://doi.org/10.33093/jiwe.2024.3.1.5
Kusumo, F. A., Retno, D., Saputro, S., & Widyaningsih, P. (2025). Sentiment Analysis of Reviews on X Apps on Google Play Store using Support Vector Machine and N-gram Feature Selection. Jurnal Ilmu Matematika Dan Terapan, 19(2), 1037–1046.
Larasati, F. A., Ratnawati, D. E., & Hanggara, B. T. (2022). Analisis sentimen ulasan aplikasi dana dengan metode Random Forest. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(9), 4305–4313.
Maulidah, N. (2024). Prediksi Kualitas Air menggunakan Metode Random Forest, Desicion Tree dan Gradient Boosting. Jurnal Khatulistiwa Informatika, 12(1), 1–6.
Muamalat, B. (2016). Bank Muamalat. PT Bank Muamalat Indonesia. https://www.bankmuamalat.co.id/index.php/e-banking/muamalat-din-digital-islamic-network
Mutoffar, M. M., Naseer, M., & Fadillah, A. (2022). Klasifikasi Kualitas Air Sumur menggunakan Algoritma Random Forest. Jurnal Ilmiah Nasional Riset Aplikasi Dan Teknik Informatika, 04(02), 138–146.
Nasrullah, M. F., Saedudin, R. R., & Hamami, F. (2024). Perbandingan Akurasi Algoritma C4.5 dan K-Nearst Neighbors untuk Klasifikasi Curah Hujan berdasarkan Iklim Indonesia. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 9(2), 628–638.
Nugroho, M. W. (2025). Analisis Performa Algoritma Random Forest dalam Mengatasi Overfitting pada Model Prediksi. Jurnal JTIK ( Jurnal Teknologi Informasi Dan Komunikasi ), 9(December), 1562–1571.
Playstore, G. (2025). Muamalat DIN. Google Playstore. https://play.google.com/store/apps/details?id=com.muamalatdin&hl=id
Purnamasari, D., Bayu, A., Desy, A., Fanka, W. A. P., Reza, A., Safrila, M., Yanda, O. N., & Hidayati, U. (2023). Pengantar Metode Analisis Sentimen. In Depok: Gunadarma Penerbit.
Putra, A. R., & Ratnawati, D. E. (2025). Analisis Sentimen Berbasis Aspek pada Aplikasi Mobile Menggunakan Naïve Bayes berdasarkan Ulasan Pengguna Playstore (Studi Kasus?: Jconnect Mobile). Jurnal Teknologi Informasi Dan Ilmu Komputer, 12(2), 293–300. https://doi.org/10.25126/jtiik.2025127556
Putri, A. D. M., Sulistianingsih, N., & Rismayanti, R. (2025). Pengaruh Teknik Representasi Teks Bag-of-Words dan TF-IDF terhadap Akurasi Klasifikasi Sentimen Teks Multi-Domain. JTIM?: Jurnal Teknologi Informasi Dan Multimedia, 7(4), 675–688.
Rerung, R. R. (2018). Penerapan Data Mining dengan Memanfaatkan Metode Association Rule untuk Promosi Produk. JTERA - Jurnal Teknologi Rekayasa, 3(1), 89–98. https://doi.org/10.31544/jtera.v3.i1.2018.89-98
Sandag, G. A., Klabat, U., & Mononutu, J. A. (2020). Prediksi Rating Aplikasi App Store Menggunakan Algoritma Random Forest Application Rating Prediction on App Store using Random Forest Algorithm. Cogito Smart Journal, 6(2), 167–178.
Siregar, D., Ladayya, F., Albaqi, N. Z., & Wardana, B. M. (2023). Penerapan Metode Support Vector Machines ( SVM ) dan Metode Naïve Bayes Classifier ( NBC ) dalam Analisis Sentimen Publik terhadap Konsep Child-free di Media Sosial Twitter. Jurnal Statistika Dan Aplikasinya, 7(1), 93–104.
Sondakh, D. E., Taju, S. W., Tene, M. G., & Pangaila, A. E. T. (2023). Sistem Analisis Sentimen Ulasan Aplikasi Belanja Online Menggunakan Metode Ensemble Learning. Cogito Smart Journal, 9(2), 280–291. https://doi.org/10.31154/cogito.v9i2.525.280-291
Syafia, A. N., Hidayattullah, M. F., & Suteddy, W. (2023). Studi Komparasi Algoritma SVM Dan Random Forest Pada Analisis Sentimen Komentar Youtube BTS. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 8(3), 207–212.
Syahrudin, Artanto, F. A., Maulana, A. R., & Filsafat. (2025). Metode Support Vector Machine (SVM) dan Lexicon-Based dalam Analisis Sentiment Ulasan Pengguna Aplikasi Wink. Jurnal Manajemen Informatika Dan Bisnis Digital, 4(1), 59–73. https://doi.org/10.55123/jumintal.v4i1.5236
Syahrudin, Fenilinas Adi Artanto, Ahmad Rifqi Maulana, & Filsafat. (2025). Metode Support Vector Machine (SVM) dan Lexicon-Based dalam Analisis Sentiment Ulasan Pengguna Aplikasi Wink. Media Online, 4(1), 59–73. https://doi.org/10.55123/jumintal.v4i1.5236
Yunita, I. R., Baihaqi, W. M., Damayanti, A. S. T., & Akhaerunnisa, L. (2023). Analisis Performa Algoritma Klasifikasi pada Sentimen Ulasan Pengguna terhadap Aplikasi Muamalat DIN. Cogito Smart Journal, 9(2), 241–250.
| Properti | Nilai Properti |
|---|---|
| Organisasi | Universitas Muhammadiyah Pekajangan Pekalongan |
| umpp.pekalongan@yahoo.com | |
| Alamat | Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan |
| Telepon | (0285) 7832294 |
| Tahun | 2026 |
| Kota | Pekalongan |
| Provinsi | Jawa Tengah |
| Negara | Indonesia |