Call Number | KA-1471 (Softcopi KA-1459) MAK KA-1111 |
Collection Type | Karya Akhir (KA) |
Title | Aspect-based sentiment analysis pada aplikasi samsat online nasional berdasarkan twitter dan review Google play |
Author | Hendro Prabowo Hadi; |
Publisher | Jakarta : Program Studi Magister Teknologi Informasi Fasilkom UI, 2021 |
Subject | Media sosial |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
KA-1471 (Softcopi KA-1459) MAK KA-1111 | Ind | TERSEDIA |
Berbagai macam aplikasi seluler (mobile apps) yang menarik dan bersifat khusus untuk keperluan spesifik sudah banyak tersebar melalui kanal-kanal yang tersedia. Layanan seluler sudah menjadi tren, dan menjadi hal yang tak terelakkan bagi pemerintah untuk membuat kanal-kanal yang mendukung e-government guna menjadi penghubung antara pemerintah dan rakyatnya. Pembayaran pajak kendaraan bermotor merupakan kewajiban bagi setiap pemilik kendaraan bermotor. Polri, Kemendagri, dan Jasa Raharja bekerja sama dalam menyediakan layanan pembayaran melalui aplikasi seluler yang disebut Samsat Online Nasional atau disingkat menjadi SAMOLNAS. Aplikasi ini memiliki rating yang buruk di Google Play Store, untuk itu perlu dilakukan penelitian terkait review pengguna terhadap aplikasi tersebut. Perlu dipetakan bagaimanakah sentimen pengguna terhadap aspek aplikasi yang terdiri atas design, reliability, responsiveness, trust, dan personalization. Sehingga pengembang mampu mengambil langkah perbaikan yang tepat dan mampu menyediakan layanan terbaik bagi pengguna. Penelitian ini dimulai dengan pengambilan data menggunakan teknik scraping pada media sosial Twitter dan halaman review pada Google Play Store. Data yang berhasil dikumpulkan kemudian dianotasi, dan dilanjutkan dengan text preprocessing yang terdiri atas tokenization, case folding, penghapusan tanda baca, normalisasi, stopword removal, dan stemming. Jenis analisis yang dilakukan adalah klasifikasi relevansi, aspek yang terkandung dalam konten, serta sentimen untuk tiap aspek. Algoritma yang dipakai adalah logistic regression, naïve bayes, dan support vector machine. Nilai akurasi, precision, recall, dan f1-score tertinggi pada tahapan klasifikasi relevansi diraih oleh algoritma logistic regression dengan menggunakan konfigurasi trigram. Nilai akurasi yang diperoleh sebesar 98%, nilai precision sebesar 97,5%, nilai recall sebesar 98%, dan f1-score sebesar 97,3%. Evaluasi yang dipakai adalah k-fold cross validation. Penelitian ini berhasil menemukan sentimen untuk tiap aspek aplikasi SAMOLNAS, dimana reliability dan responsiveness merupakan 2 aspek teratas yang memiliki sentimen negatif, diikuti oleh aspek trust, personalization, dan design di tempat terakhir.