ANALISIS SENTIMEN ULASAN PENGGUNA GOOGLE PLAY STORE PADA APLIKASI ACCESS BY KAI MENGGUNAKAN REGRESI LOGISTIK

Peningkatan penggunaan aplikasi Access by KAI sebagai layanan digital PT Kereta Api Indonesia menghasilkan volume ulasan pengguna yang besar, namun belum dimanfaatkan secara optimal untuk evaluasi kualitas layanan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis persepsi pengguna terhadap aplikasi Access by KAI serta mengevaluasi efektivitas metode TF-IDF dan Regresi Logistik dalam klasifikasi sentimen ulasan pengguna. Data penelitian diperoleh dari ulasan pengguna Google Play Store yang tersedia pada platform Kaggle. Tahapan penelitian meliputi pelabelan sentimen berbasis rating, preprocessing text, pembobotan fitur menggunakan TF-IDF, pelatihan model Regresi Logistik, serta evaluasi performa model menggunakan confusion matrix dan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 92%, dengan nilai precision dan F1-score di atas 0,86, serta recall pada kelas negatif sebesar 0,96. Kata-kata bernuansa keluhan seperti buruk, parah, error, dan parah mendominasi sentimen negatif, sedangkan kata bagus, mudah, dan mantap mendominasi sentimen positif. Temuan ini mengindikasikan bahwa kendala sistem dan transaksi menjadi faktor utama ketidakpuasan pengguna. Penelitian ini membuktikan bahwa kombinasi TF-IDF dan Regresi Logistik efektif tidak hanya dalam melakukan klasifikasi sentimen, tetapi juga sebagai alat interpretasi untuk mendukung evaluasi layanan digital dan penentuan prioritas perbaikan sistem PT Kereta Api Indonesia.