Aspect-based Sentiment Analysis Pada Aplikasi Pelacakan Kasus Covid-19 (studi kasus: pedulilindungi.id)
Abstract
Berbagi pengalaman dan pendapat menjadi lebih mudah melaui internet dan media sosial.
Pengguna dapat menunjukan sikap dan perasaan melalui layanan aplikasi yang disediakan.
Sikap dan persaan seseorang dalam menggunakan aplikasi dapat dilihat melalui ulasan
aplikasi pintar dalam bentuk informasi umpan balik secara daring. Salah satu aplikasi
publik yang banyak disoroti pada masa wabah corona virus adalah aplikasi pedulilindungi.
Aplikasi tersebut sebagai salah satu upaya untuk memonitor perkembangan CoronaVirus
Disease (Covid-19) di Indonesia dan menjadi salah satu fenomena menarik untuk di kaji
dalam memahami prilaku masyarakat Indonesia terhadap aplikasi pedulilindungi yang
disebut Aspect-based sentiment. Ulasan yang diberikan oleh setiap pengguna aplikasi
dapat digunakan untuk meningkatkan kualitas produk layanan dan memperkenalkan fitur
baru. Penelitian bertujuan untuk mengetahui besarnya nilai sentimen pada layanan aplikasi
pedulilindungi yang berfokus pada aspect based sentiment analysis (ABSA) pada domain
ulasan aplikasi pemerintah. Aspect-based Sentiment Analysis (ABSA) ulasan aplikasi
dengan fokus pada layanan aplikasi pintar yang dapat digunakan dalam analisis sentimen
berbasis aspek termasuk antar muka pengguna, pengalaman pengguna, fungsionalitas dan
kinerja keamanan. Adanya ulasan dapat membantu dalam memahami nilai baik dan buruk
pada sebuah produk atau layanan. Metode yang digunakan meliputi klasifikasi sentimen
dan aspek dengan perbandingan tiga metode deep learning (CNN, GRU, dan TCN). Data
bersumber dari hasil ulasan aplikasi pedulilindungi yang dilakukan dengan cara teknik
scraping pada situs https://www.pedulilindungi.id/. Hasil penelitian menunjukan bahwa
terdapat enam aspek klasisifikasi sentimen pada aplikasi pedulilindungi yaitu aplikasi, user
interface, user experience, kode OTP, cek sertifikat vaksin, dan bukti akses layanan.
Kemudian hasil penelitian juga menunjukan dari metode yang digunakan bahwa metode
CNN memperoleh nilai skor akurasi terbaik pada klasifikasi sentimen sebesar 0.98 dan
klasifikasi aspek sebesar 0.97. Penelitian selanjutnya dapat mengkaji pada aspek yang
lebih kompleks pada seuah aplikasi pelayanan publik atau dengan menggunakan metode
yang lebih relevan terhadap objek kajian.
Collections
- Informatics Engineering [2148]