PUTRI, CYRUS DHEARISNA ARYA (2025) ANALISA DAN OPTIMASI PENGALAMAN PENGGUNA PADAAPLIKASI IDENTITAS DIGITAL DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA BERTOPIC. S1 thesis, Universitas Mercu Buana.
|
Text (HAL COVER)
01 COVER.pdf Download (459kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (36kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (306kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (172kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (278kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (27kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (85kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (873kB) |
Abstract
The Digital Identity Card (IKD) application is an innovation developed by the Indonesian government to facilitate public access to personal demographic data via mobile devices. However, user reviews on the Google Play Store indicate that the application still faces numerous complaints. This study aims to analyze user sentiment and identify dominant topics within user reviews of the IKD application using Natural Language Processing (NLP) techniques. The BERTopic algorithm was applied for topic modeling, while the IndoBERT model was used for sentiment classification. A total of 23.984 user reviews written in Bahasa Indonesia were collected, preprocessed, and labeled. The results show that IndoBERT achieved a high accuracy rate of 96,40% in classifying reviews into positive and negative sentiment. Additionally, BERTopic successfully extracted 10 dominant topics, with the most frequent issues related to login problems, QR code scanning errors, and connectivity issues. These findings provide valuable insights for application developers to improve service quality and offer guidance for future research in Indonesian-language sentiment analysis and topic modeling. Keywords: Digital Identity, BERTopic, IndoBERT, Sentiment Analysis, Google Play Store, Topic Modeling Aplikasi Identitas Kependudukan Digital (IKD) merupakan inovasi dari pemerintah Indonesia untuk mempermudah masyarakat dalam mengakses data kependudukan secara digital melalui perangkat seluler. Namun, berdasarkan ulasan di Google Play Store, aplikasi ini masih banyak menuai keluhan dari pengguna. Penelitian ini bertujuan untuk menganalisis sentimen dan mengidentifikasi topik dominan dalam ulasan pengguna terhadap aplikasi IKD dengan menggunakan pendekatan pemrosesan bahasa alami (Natural Language Processing). Algoritma BERTopic digunakan untuk pemodelan topik, sementara model IndoBERT diterapkan dalam klasifikasi sentimen. Data yang dianalisis sebanyak 23.984 ulasan pengguna dalam Bahasa Indonesia, yang telah melalui proses preprocessing dan pelabelan. Hasil penelitian menunjukkan bahwa model IndoBERT mencapai akurasi tinggi sebesar 96,40% dalam mengklasifikasikan ulasan menjadi sentimen positif dan negatif. Selain itu, BERTopic berhasil mengelompokkan ulasan menjadi 10 topik utama, dengan isu yang paling sering muncul terkait masalah login, pemindaian barcode, dan kendala konektivitas. Temuan ini memberikan masukan penting bagi pengembang aplikasi untuk melakukan perbaikan dan peningkatan fitur, serta memberikan arah bagi penelitian selanjutnya dalam pengembangan analisis sentimen berbasis bahasa Indonesia. Kata kunci: Identitas Digital, BERTopic, IndoBERT, Analisis Sentimen, Google Play Store, Pemodelan Topik
Actions (login required)
 |
View Item |
