ANALISIS SENTIMEN DAN TOPIC MODELING ULASAN APLIKASI NEWSAKPOLE MENGGUNAKAN METODE INDOBERT DAN LATENT DIRICHLET ALLOCATION

Penelitian ini bertujuan untuk mengatasi kurangnya pemahaman terhadap persepsi dan pengalaman pengguna aplikasi NewSakpole, sebuah aplikasi pembayaran pajak kendaraan di Jawa Tengah, yang dapat memengaruhi kualitas layanan publik. Dengan memanfaatkan model IndoBERT dan Latent Dirichlet Allocation (LDA), penelitian ini menganalisis sentimen dan topik utama pada ulasan aplikasi yang diperoleh melalui scraping Google Play Store. IndoBERT digunakan untuk klasifikasi sentimen dan mencapai akurasi 99,64%, secara signifikan mengungguli metode sebelumnya seperti SVM, Naive Bayes, dan kombinasi SUMI dengan NLP, menunjukkan efektivitasnya dalam menangkap nuansa sentimen pengguna. LDA diimplementasikan untuk mengidentifikasi tema utama dalam ulasan, dengan hasil evaluasi coherence score (tertinggi 0.61) dan perplexity (terendah pada topik 4 dan 6), menunjukkan kemampuan metode ini dalam menghasilkan topik yang koheren dan relevan. Hasil analisis sentimen dan topic modeling diintegrasikan ke dalam website berbasis Generative AI dengan tiga halaman utama: dashboard, topic explanation, dan rating. Pengujian black box dan User Acceptance Testing (UAT) menunjukkan tingkat keberhasilan 100%, membuktikan efektivitas website dalam menyajikan hasil analisis secara komprehensif dan mudah dipahami. Penelitian ini memberikan kontribusi signifikan dengan mengidentifikasi persepsi pengguna dan isu-isu utama yang muncul, memberikan wawasan berharga untuk peningkatan kualitas aplikasi NewSakpole dan layanan publik di masa mendatang.