Analisis Sentimen Pengguna Mobile Banking Di Twitter

Oleh Firman Taufik & Emil R. Kaburuan

Jumlah aplikasi diunduh dari Google Playstore untuk m-BCA sebanyak 10 juta, m-BRI sebanyak 10 juta, m-BNI sebanyak 5 juta m-Mandiri sebanyak 5 juta. Twitter, layanan microblogging, telah muncul sebagai sorotan media baru melalui kejadian baru-baru ini, seperti mahasiswa Amerika yang dipenjara di Mesir dan kecelakaan pesawat US Airways di Hudsonriver. Pengguna Twitter mengikuti orang lain atau diikuti. Tidak seperti di sebagian besar situs jejaring sosial online, seperti Facebook atau MySpace, hubungan mengikuti dan diikuti tidak memerlukan balasan. Seorang pengguna dapat mengikuti pengguna lain mana pun, dan pengguna yang diikuti tidak perlu mengikuti kembali. Menjadi pengikut di Twitter berarti pengguna menerima semua pesan (disebut Tweet) dari yang diikuti pengguna (Haewoon Kwak, Changhyun Lee, Hosung Park, and Sue Moon 2010). Dengan Jumlah unduhan mobile banking BCA, BRI, BNI dan Mandiri sebanyak itu perlu diketahui tingkat kepuasan nasabah terhadap aplikasi di media social dalam hal ini twitter.

Mobile banking sebagai salah satu produk perbankan di era digital dan disrupsi menjadi penting bagi perbankan untuk mengimbangi perkembangan fintech. Maka dari itu diperlukan penilaian terhadap produk mobile banking berdasarkan sentimen di dunia maya dalam hal ini twitter. Assessmen tersebut berguna untuk menilai kelebihan dan kekurangan dari mobile banking agar dapat dikembangkan sesuai kebutuhan pengguna dan tetap dapat bersaing bukan hanya dengan sesama perbankan melainkan juga dengan perusahaan startup yang marak berkembang. Perbaikan terhadap aplikasi untuk meningkatkan tingkat kepuasan nasabah berguna untuk meningkatkan loyalitas nasabah terhadap aplikasi sehingga pada akhirnya meningkatkan tingkat loyalitas nasabah terhadap bank. Tingkat loyalitas yang tinggi tentu saja akan meningkatkan profit bank.

Analisis sentimen dilakukan dengan menggunakan algoritma Naïve Bayes yang merupakan pengklasifikasian probabilistik sederhana yang menerapkan teorema bayes dengan mengkalkulasi sekumpulan probabilitas dalam menghitung frekuensi dan kombinasi nilai dari kumpulan data yang diberikan
Tahapan dari proses algoritma Naïve Bayes adalah:
Menghitung jumlah kelas/label.
Menghitung jumlah kasus per kelas.
Kalikan semua variable kelas.
Bandingkan hasil per kelas.
Klasifikasi adalah fungsi yang memberikan label kelas pada sample.

Referensi:
Haewoon Kwak, Changhyun Lee, Hosung Park, and Sue Moon(2010). What is Twitter, a Social Network or a News Media?