Analisis Sentimen Berbasis Aspek Pada Ulasan Pengguna Aplikasi Identitas Kependudukan Digital Indonesia

Hammami, Amru Rasyid (2024) Analisis Sentimen Berbasis Aspek Pada Ulasan Pengguna Aplikasi Identitas Kependudukan Digital Indonesia. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2043211052-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Aplikasi Identitas Kependudukan Digital (IKD), yang diluncurkan oleh Ditjen Dukcapil Kemendagri pada tahun 2022, memiliki potensi besar untuk meningkatkan efisiensi layanan administrasi kependudukan melalui digitalisasi. Namun, ulasan pengguna di Google Play Store menunjukkan adanya ketidakpuasan dengan rating rata-rata sebesar 3.2 dari 5 dengan 48.8 ribu ulasan. Penelitian ini bertujuan untuk mengidentifikasi masalah yang dialami pengguna aplikasi IKD menggunakan pendekatan Aspect-Based Sentiment Analysis (ABSA). ABSA memungkinkan identifikasi dan evaluasi sentimen pada aspek-aspek spesifik dalam ulasan pengguna serta membantu mengidentifikasi masalah teknis atau kekurangan fitur yang spesifik. Pelabelan aspek dilakukan menggunakan Latent Dirichlet Allocation (LDA), sedangkan identifikasi sentimen dilakukan menggunakan model IndoBERT. Dalam membangun model prediksi, metode Convolutional Neural Network (CNN) digunakan untuk mengolah hasil analisis aspek dan sentimen. Data ulasan pengguna diperoleh dari Google Play Store menggunakan Google Play Scraper API. Proses ini memungkinkan model menangkap pola-pola sentimen tanpa memerlukan feature engineering yang ekstensif. Pendekatan ini memberikan pemahaman yang lebih mendalam mengenai persepsi pengguna dan menyediakan informasi berharga bagi para pengembang aplikasi untuk melakukan perbaikan yang sesuai dengan kebutuhan pengguna aplikasi IKD. Berdasarkan hasil analisis, diketahui bahwa mayoritas pengguna aplikasi IKD memberikan penilaian rendah dengan 57.2% pengguna memberikan rating terendah. Pendekatan ABSA mengidentifikasi empat topik utama dari hasil pemodelan topik LDA yakni Peforma Aplikasi dan Pengalaman Pengguna, Penanganan Dokumen, Permasalahan Login, serta Proses Registrasi. Permasalahan utama yang dialami pengguna mencakup hambatan dalam pembukaan aplikasi, kesulitan pengunduhan dokumen, masalah kestabilan aplikasi, dan ketidaksesuaian ekspektasi terhadap proses registrasi. Analisis Net Reputation Score (NRS) menunjukkan prioritas perbaikan pada Permasalahan Login (-78.38%) dan Penanganan Dokumen (-50.21%). Model CNN yang dibangun menunjukkan performa yang baik dengan akurasi 84% dalam klasifikasi aspek dan 83% dalam klasifikasi sentimen, akan tetapi model mengalami kesulitan dalam mengklasifikasikan sentimen netral.
==================================================================================================================================
The Digital Population Identity Application (IKD), launched by the Directorate General of Dukcapil of the Ministry of Home Affairs in 2022, has great potential to improve the efficiency of population administration services through digitalization. However, user reviews on the Google Play Store show dissatisfaction with an average rating of 3.2 out of 5 with 48.8 thousand reviews. This study aims to identify the problems experienced by IKD application users using the Aspect-Based Sentiment Analysis (ABSA) approach. ABSA allows for the identification and evaluation of sentiment on specific aspects of user reviews and helps identify technical issues or specific feature deficiencies. Aspect labeling was carried out using Latent Dirichlet Allocation (LDA), while sentiment identification was carried out using the IndoBERT model. In building a prediction model, the Convolutional Neural Network (CNN) method is used to process the results of aspect and sentiment analysis. User review data is obtained from the Google Play Store using the Google Play Scraper API. This process allows the model to capture sentiment patterns without the need for extensive feature engineering. This approach provides a deeper understanding of user perception and provides valuable information for application developers to make improvements in accordance with the needs of IKD application users. Based on the results of the analysis, it was found that the majority of IKD application users gave a low rating, with 57.2% giving the lowest rating. The ABSA approach identifies four main topics from the results of modeling LDA topics, namely Application Performance and User Experience, Document Handling, Login Problems, and Registration Process. The main problems experienced by users include obstacles in opening the application, difficulty downloading documents, application stability issues, and mismatch expectations for the registration process. Net Reputation Score (NRS) analysis shows that the priority for improvement is Login Problems (-78.38%) and Document Handling (-50.21%). The built CNN model showed good performance with an accuracy of 84% in aspect classification and 83% in sentiment classification, but the model had difficulty classifying neutral sentiment.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	IKD, Latent Dirichlet Allocation, IndoBERT, Net Reputation Score, Convolutional Neural Network
Subjects:	H Social Sciences > HA Statistics Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Amru Rasyid Hammami
Date Deposited:	12 Jun 2025 07:41
Last Modified:	12 Jun 2025 07:41
URI:	http://repository.its.ac.id/id/eprint/118641

Actions (login required)

View Item