<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="160865">
 <titleInfo>
  <title>ANALISIS KUALITAS LAYANAN PERBANKAN DIGITAL MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN FREQUENT PATTERN GROWTH PADA APLIKASI BSI MOBILE</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Reni Wahyuni</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik (S2)</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Theses</form>
  <extent></extent>
 </physicalDescription>
 <note>Transaksi perbankan yang semakin meningkat telah mendorong adopsi aplikasi mobile banking, termasuk BSI Mobile oleh Bank Syariah Indonesia. Pada kuartal pertama tahun 2024, BSI Mobile mencatat 118,51 juta transaksi, tumbuh sebesar 37,17% dibandingkan tahun sebelumnya, serta peningkatan jumlah pengguna sebesar 29,35%. Seiring pertumbuhan ini, ulasan pengguna juga meningkat pesat sehingga diperlukan analisis sentimen untuk mengevaluasi kualitas layanan. Penelitian ini bertujuan menganalisis sentimen pengguna BSI Mobile dan mengidentifikasi faktor-faktor penyebab keluhan guna memberikan rekomendasi perbaikan layanan. Sebanyak 13.793 ulasan pengguna dari Google Play Store yang dikumpulkan antara 4 Januari 2021 hingga 30 Agustus 2024 dianalisis. Klasifikasi sentimen dilakukan menggunakan algoritma Support Vector Machine, dengan kategori ulasan positif, negatif, dan netral. Pola asosiasi kata diekstraksi menggunakan algoritma Frequent Pattern Growth untuk mengidentifikasi istilah yang sering muncul dalam sentimen negatif. Hasil menunjukkan 60,3% ulasan bersentimen positif, 34,1% negatif, dan 5,7% netral. Kata-kata seperti “error,” “update,” “failed,” dan “login” mendominasi ulasan negatif. Analisis akar penyebab melalui diagram fishbone menunjukkan faktor manusia (layanan pelanggan tidak responsif), proses (gagal login dan aktivasi), dan produk (crash dan gangguan teknis). Rekomendasi perbaikan mencakup peningkatan uji coba aplikasi, akurasi face recognition, pemberitahuan pemeliharaan, layanan pelanggan yang responsif, serta panduan interaktif dalam aplikasi untuk meningkatkan kualitas layanan digital banking secara menyeluruh. &#13;
&#13;
Kata kunci : BSI Mobile, Kualitas Layanan, Analisis Sentimen, Support Vector, Frequent Pattern-Growth</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>160865</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-07-14 16:06:40</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-07-14 16:41:29</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>