Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam upaya meningkatkan layanan melalui aplikasi Aplikasi Pegadaian Digital, PT Pegadaian terus berupaya untuk melakukan monitoring kepuasan pelanggan dari aplikasi dengan memanfaatkan dashboard Google Play Store. Namun, berdasarkan hasil analisis, terdapat ketidakcocokan antara rating Google Play Store dengan label orientasi sentimen sesungguhnya. Persentasi kesalahan rating yang diambil dari 524 komentar yang telah divalidasi oleh manusia adalah sebesar 34.09%. Artinya, rating pada Google Play Store yang diberikan terhadap 34.09% dari 1.018 review tidak merefleksikan orientasi sentimen yang sesungguhnya. Hal ini menjadi masalah dikarenakan tidak sejalan dengan harapan yang telah disampaikan oleh Kepala Divisi Operasional dan Infrastruktur TI pada sharing and learning yang dilakukan pada tanggal 9 Maret 2021 mengenai peningkatan layanan sentra operasi, di mana seharusnya perusahaan dapat mengetahui kepuasan pelanggan secara akurat. Jika hanya mengandalkan data rating dan ulasan secara mentah dan tanpa analisis maka harapan pelanggan yang sesungguhnya tidak dapat dipenuhi. Sehingga dibutuhkan analisis yang mampu melakukan evaluasi dan menunjukan tingkat kepuasan pelanggan terhadap suatu produk berdasarkan data opini pelanggan secara langsung. Tujuannya adalah untuk mengetahui apakah rating merupakan model klasifikasi orientasi sentimen yang efektif. Selain itu analisis sentimen perlu dilakukan untuk mengetahui sejauh apa model klasifikasi orientasi sentimen yang baik dapat bekerja dan membantu perusahaan untuk mengetahui bagaimana gambaran sentimen positif dan negatif berdasarkan ulasan aplikasi terhadap aplikasi. Pada Penelitian ini, untuk mendapatkan informasi tersebut, dilakukan pendekatan data mining yaitu analisis sentimen dengan metode Maximum Entropy dan Support Vector Machine. Dengan metode ini akan digambarkan ulasan yang termasuk ulasan positif dan negatif. Selanjutnya ulasan dimodelkan dalam bentuk harapan atau persepi dari pengguna yang nantinya dapat digunakan oleh perusahaan sebagai bahan evaluasi pengembangan aplikasi. Hasil permodelan diuji akurasinya dengan menggunakan Confussion Matrix. Dari hasil confusion matrix didapatkan hasil bahwa algoritma Support Vector Machine mendapatkan nilai accuracy, precision, recall dan F-score yaitu accuracy sebesar 87,25%, nilai precision sebesar 97,67%, recall sebesar 77,78%, dan nilai F-Score 86,60%. Dengan penelitian ini, diharapakan membantu PT. Pegadaian dalam menggali harapan pelanggan secara lebih sepesifik dan detail sehingga perusahaan mampu meberikan layanan yang tepat sasaran dan sesuai harapan pelanggan.

---

To improve services through the Pegadaian Digital Application, PT Pegadaian continues to make efforts to monitor customer satisfaction from the application by utilizing the Google Play Store dashboard. However, based on the results of the analysis, there is a discrepancy between the Google Play Store rating and the actual sentiment orientation label. The percentage of rating errors taken from 524 comments that have been validated by humans is 34.09%. That is, the rating on the Google Play Store given to 34.09% from 1,018 reviews does not reflect the true sentiment orientation. This is a problem because it is not in line with the expectations that have been conveyed by the Head of Operations and IT Infrastructure Division in the sharing and learning conducted on March 9, 2021 regarding improving operations center services, where the company should be able to accurately determine customer satisfaction. If you only rely on raw rating and review data and without analysis, real customer expectations cannot be met. So we need an analysis that is able to evaluate and show the level of customer satisfaction with a product based on customer opinion data directly. The aim is to find out whether the rating is an effective sentiment orientation classification model. Besides that, sentiment analysis needs to be done to find out how far a good sentiment orientation classification model can work and help companies to find out how positive and negative sentiment is based on application reviews of applications. In this study, to obtain this information, a data mining approach was used, namely sentiment analysis using the Maximum Entropy and Support Vector Machine methods. With this method a review will be described including positive and negative reviews. Furthermore, the review is modeled in the form of expectations or perceptions from users which can later be used by the company as material for evaluating application development. Modeling results are tested for accuracy using the Confussion Matrix. From the results of the confusion matrix, the results show that the Support Vector Machine algorithm gets accuracy, precision, recall and F-score, namely accuracy of 87.25%, precision value of 97.67%, recall of 77.78%, and F-Score value 86.60%. With this research, it is hoped that it will help PT. Pegadaian explores customer expectations more specifically and in detail so that the company is able to provide services that are right on target and in line with customer expectations."

"Development of Data Warehouse and Data Mining for National Standards for EducationAbstrak Berbahasa Indonesia/Berbahasa Lain (Selain Bahasa Inggris): Standar Nasional Pendidikan (SNP) adalah kriteria minimal tentang sistem pen-didikan di seluruh wilayah hukum Negara Kesatuan Republik Indonesia. SNPdigunakan sebagai acuan pengembangan kurikulum, tenaga kependidikan, saranadan prasarana, pengelolaan, dan pembiayaan pendidikan. Pengembangan dan pemantauan SNP dilakukan Badan Standar Nasional Pen-didikan (BSNP) dibantu oleh tim ahli yang bersifat ad-hoc. Data pendidikanyang ada pada kementerian atau hasil-hasil analisisnya diprioritaskan untuk digu-nakan dalam pengembangan dan pemantauan SNP. Permasalahan yang diangkatdalam penelitian ini adalah belum intensifnya penggunaan data pendidikan yangada pada kementerian untuk pengembangan dan pemantauan SNP. Salah satu penyebab belum intensifnya penggunaan data pendidikan ini karenadata pendidikan tersebar di berbagai instansi dan belum ada standar yang meng-atur data pendidikan dan bagaimana cara mengaksesnya. Salah satu cara yangdapat digunakan untuk mengatasi hal ini adalah teknologi data warehouse denganmelakukan integrasi data melalui proses ETL. Untuk memanfaatkan lebih jauhlagi data yang ada dalam data warehouse dapat dilakukan data mining. Padapenelitian ini akan dikaji sejauh mana data warehouse dan data mining dapat di-gunakan untuk pengembangan dan pemantauan SNP. Penelitian yang dilakukan mencakup analisis terhadap pengelolaan data pen-didikan di Indonesia, analisis terhadap data yang akan diolah, dilanjutkan de-ngan pengembangan serta evaluasi data warehouse dan data mining yang dikem-bangkan. Data yang digunakan dalam penelitian ini dibatasi pada data hasil UjianNasional (UN) dan akreditasi untuk jenjang SMP/MTs. Dari penelitian ini didapati bahwa antarmuka OLAP dalam data warehouse dapatdigunakan untuk menganalisis data pendidikan terkait dengan SNP. Sedangkanuntuk data mining, teknik deskriptif dengan pencarian aturan asosiasi dan teknikprediktif dengan klasifikasi dapat digunakan untuk memperoleh pengetahuanyang tersimpan dalam data warehouse untuk data hasil UN dan akreditasi.

---

The National Standards for Education/Standar Nasional Pendidikan (SNP) is a

set of minimal criteria about the educational system in the Indonesia Republic.

The SNP is used as a reference for curriculum development, teacher and staff,

facilities and infrastructure, management, and financing of education.

The development and monitoring of the SNP are conducted by the National Stan-

dards for Education Agency/Badan Standar Nasional Pendidikan (BSNP), as-

sisted by several ad-hoc team of experts. The data that’s available on the Ministry

of National Education (MoNE) or the results of the analysis are prioritized to be

used in the development and monitoring of the SNP.

Issues raised in this research is the use of data available on the ministry of edu-

cation for the development and monitoring of the SNP has not been intense. One

cause has not been the intensive use of education data because educational data

spread across various agencies/ministries and there is no standard of educational

data and how to get access to them. One solution that can be used to overcome

this problem is data warehouse technology by integrating data through the ETL

process. To further use existing data in the data warehouse is to perform data min-

ing. This research examined to what extent the data warehouse and data mining

is useful for the development and monitoring of the SNP.

Research conducted, including the analysis of education data management in In-

donesia, the analysis of data to be processed, followed by the development and

evaluation of data warehouse and data mining developed. The data used in this

study are limited to data from the National Examination and the accreditation

process for junior high schools (SMP/MTs).

From this study, it was found that the OLAP user interface and data warehouse

can be used to analyze data associated with an SNP. As for data mining, associ-

ation rules and classification can be used to obtain hidden knowledge in the data

warehouse for the National Examination and accreditation data."

"ABSTRAKPerusahaan e-marketplace perlu menjaga dan meningkatkan kualitas aplikasi mobile dan layanan melalui evaluasi berdasarkan opini pelanggan untuk mengembangkan perusahan dan memenangkan kompetisi antar perusahaan sejenis. Salah satu bentuk opini pelanggan terdapat di toko penyedia aplikasi, seperti Google Play Store dan App Store. Ulasan online ini dapat dimanfaatkan oleh perusahaan e-marketplace, yaitu dengan melakukan analisis opini pelanggan opinion mining terhadap aplikasi dan layanan e-marketplace berdasarkan aspek pendukungnya. Penelitian ini menggunakan ulasan berbahasa Inggris dan Indonesia yang ada pada Google Play Store dan App Store guna mengetahui penilaian pelanggan terhadap enam perusahan e-marketplace di Indonesia, yaitu BliBli, Bukalapak, Lazada, OLX, Shopee dan Tokopedia. Ulasan berbaasa Inggris diolah berdasarkan prinsip Recursive Neural Tensor Network RNTN dengan dua macam pengolahan yaitu dengan lemmatization dan tanpa lemmatization. Ulasan berbahasa Indonesia diolah berdasarkan dictionary-based approach dengan dua macam pengolahan yaitu dengan stemming dan tanpa stemming. Uji akurasi dari luaran opinion mining menunjukkan bahwa ulasan berbahasa Inggris lebih baik diolah dengan melakukan lemmatization, sedangkan ulasan berbahasa Indonesia lebih baik diolah tanpa melakukan stemming . Hasil penelitian dapat digunakan untuk meningkatkan kualitas aplikasi dan layanan tiap perusahaan e-marketplace kedepannya.

---

ABSTRACTE marketplace companies need to maintain and improve the quality of mobile application and services through an evaluation based on customer opinions to grow the company and win competition among similar companies. One form of customer opinion is found in app store stores, such as Google Play Store and App Store. This online review can be utilized by e marketplace company, by conducting customer rsquo s opinion analysis opinion mining of e marketplace application and services based on its supporting aspects. This study use English and Indonesian reviews available on Google Play Store and App Store platforms to determine customer ratings for six e marketplace companies in Indonesia, namely BliBli, Bukalapak, Lazada, OLX, Shopee and Tokopedia. English based reviews are processed based on the principle of Recursive Neural Tensor Network RNTN with two kinds of processing, with lemmatization and without lemmatization. Indonesian language reviews are processed based on dictionary based approach with two kinds of processing, with stemming and without stemming. The accuracy test from the results of the opinion mining shows that the English reviews are better processed with lemmatization, while Indonesian reviews are better processed without stemming. The results of the research can be used to improve applications and services quality of each e marketplace company in the future."

"Perkembangan media sosial telah berkembang pesat, tidak hanya sebagai alat komunikasi sosial antar individu. Fungsi dan kegunaannya semakin berkembang serta banyak dimanfaatkan organisasi swasta maupun pemerintah untuk mengukur tingkat layanan. Ditjen Imigrasi selaku organisasi pemerintah merupakan salah satu organisasi yang memanfaatkan media sosial, salah satu fungsinya untuk mengetahui apakah layanan yang diberikan telah diterima dengan baik oleh masyarakat. Selain melalui media sosial, Imigrasi juga telah meluncurkan aplikasi M-Paspor di platform Google Play Store, di platform tersebut Imigrasi juga dapat mengetahui tingkat efektivitas dari aplikasi yang telah diluncurkan. Berdasarkan survei yang dilakukan oleh Balitbangham yang merupakan internal dari Kemenkumham, layanan yang diberikan oleh imigrasi mendapat nilai sangat baik, namun faktanya pada media sosial maupun google play store banyak komentar maupun ulasan yang kurang puas dengan pelayanan pihak imigrasi. Hal tersebut menjadi kontradiksi antara hasil survei Balitbangham dan data di media sosial. Namun, akan sulit untuk melakukan analisis data media sosial dikarenakan jumlah yang banyak. Oleh karena itu, perlu dilakukan untuk mengusulkan sistem untuk melakukan analisis sentimen menggunakan data teks komentar dan ulasan. Sehingga pihak Imigrasi dapat mengambil langkah terbaik untuk dapat memperbaiki layanan yang masih belum maksimal. Dataset yang digunakan berupa data yang diambil dari media sosial Twitter dan Instagram serta ulasan pada Google Play Store. Hasil penelitian menunjukan jika fitur ekstraksi TF-IDF Unigram yang dipadukan dengan algoritma Support Vector Machine (SVM) serta SMOTE menghasilkan performa paling tinggi dibandingkan dengan nave Bayes (NB) maupun Random Forest (RF). dalam melakukan klasifikasi, SVM menghasilkan dengan hasil Precision 72%, Recall 69%, Accurasy 69, serta F1-Score sebesar 68%. Model tersebut dapat digunakan Imigrasi untuk mengetahui umpan balik pelayanan dari masyarakat yang dapat digunakan sebagai pertimbangan dalam melakukan perbaikan pelayanan serta merumuskan strategi pelayanan oleh Direktorat terkait agar pelayanan lebih efisien untuk kedepannya. Sehingga, Imigrasi akan mampu dengan cepat merespon kendala yang dihadapai oleh masyarakat.

---

The development of social media has grown rapidly, not only as a means of social communication between individuals. Its functions and uses are growing and are widely used by private and government organizations to measure service levels. The Directorate General of Immigration as a government organization is one of the organizations that utilizes social media. Its function is to find out whether the services provided have been well received or not by the public. Apart from social media, Immigration has also launched the M-Passport application on the Google Play Store platform, on the platform, Immigration officials can also find out the effectiveness of the applications that have been launched. Based on a survey conducted by Balitbangham which is internal to the Ministry of Human Rights, the services provided by immigration get a very good score, but the fact is that on social media and the Google Play Store some many comments and reviews are not satisfied with the services of the immigration authorities. This is a contradiction between the results of the Balitbangham survey and data on social media. However, it will be difficult to analyze social media data due to the large number. Therefore, it is necessary to propose a system to perform sentiment analysis using commentary and reviewing text data. So that Immigration can take the best steps to be able to improve services that are still not optimal. The dataset used is in the form of data taken from social media Twitter and Instagram as well as reviews on the Google Play Store. The results show that the TF-IDF Unigram extract feature combined with the Support Vector Machine (SVM) and SMOTE algorithms produces the highest performance compared to Naïve Bayes (NB) and Random Forest (RF). In classifying, SVM produces 72% Precision, 69% Recall, 69% Accuracy, and 68% F1-Score. This model can be used by Immigration to find out service feedback from the community as a consideration in making service improvements and formulating more efficient service strategies for the future. Thus, Immigration will be able to quickly respond to the obstacles faced by the community."

"ABSTRAKDalam rangka usahanya untuk menghimpun dana masyarakat, pihak perbankan berlomba menawarkan berbagai macam produk kepada masyarakat, seperti tabungan dengan bunga harian, tabungan berhadiah, deposito berhadiah. Dipihak lain, untuk menyalurkan dana tersebut kepada masyarakat dalam bentuk pinjaman, selalu diikuti dengan persyaratan dan prosedur yang seringkali memberatkan calon nasabah. Dalam perekonomian di Indonesia dikenal suatu lembaga kredit yang lain yang dapat digunakan sebagai salah satu alternatif sumber dana, yaitu Perusahaan Umum Pegadaian (selanjutnya disebut Pegadaian). Pegadaian adalah Badan Perkreditan yang berada langsung di bawah pengawasan Departemen Keuangan, yang menyalurkan uang pinjaman atas dasar hukum gadai, dengan menerima jaminan berupa barang-barang bergerak. Persyaratan yang ringan, prosedur yang sederhana dan pelayanan yang cepat adalah ciri dari Pegadaian. Namun dalam perkembangannya, masyarakat lebih mengenal Lembaga Perbankan dibandingkan dengan Pegadaian. Keengganan masyarakat menggunakan jasa Pegadaian karena Pegadaian sering diidentikkan dengan kemiskinan. Sesuai dengan tujuan awal didirikannya Pegadaian, yaitu untuk memberantas lintah darat, rentenir atau praktek riba gelap yang memberatkan kehidupan masyarakat kecil, sehingga pengguna jasa Pegadaian sebagaian besar adalah masyarakat golongan bawah. Pegadaian adalah lembaga yang unik. Disatu pihak Pegadaian diharapkan bisa memberikan kredit kepada siapapun yang membutuhkan, sedangkan dipihak lain Pegadaian tidak diperkenankan menghimpun dana dari masyarakat berupa tabungan, giro atau deposito, seperti halnya dengan Bank. Penelitian ini mencoba mengkaji faktor penentu perkembangan Pegadaian, khususnya di Jawa Tengah untuk kurun waktu tahun 1983 sampai dengan 1992. Dalam analisis dapat pula diketahui faktor apa sebetulnya yang dominan sebagai penentu perkembangan Pegadaian, sehingga apabila faktor tersebut dapat diketahui, dapat membantu untuk menentukan kebijakan Perum Pegadaian selanjutnya. Tidak banyak teori yang dapat dijadikan acuan dalam penelitian ini. Hal ini disebabkan kekhasan misi, sifat maupun ciri Pegadaian itu sendiri. Sehingga model dibangun atas dasar prasurvey dan data yang ada di lapangan. Faktor-faktor yang diduga sebagai penentu perkembangan Pegadaian adalah jumlah nasabah, omzet, sewa modal, surplus, jumlah pegawai, tanggapan nasabah atas kredit yang diperoleh, pelayanan dan kepuasan nasabah. Dari delapan faktor tersebut, tujuh faktor yaitu jumlah nasabah, omzet, sewa modal, surplus, kredit, pelayanan dan kepuasan nasabah mempunyai tingkat keeratan yang tinggi terhadap model dan jumlah nasabah merupakan faktor yang dominan dalam menentukan perkembangan Pegadaian. Hal ini mengingat nasabah Pegadaian adalah nasabah dengan penmintaan pinjaman dalam jumlah kecil, sehingga semakin banyak nasabah maka akan semakin besar omzet Pegadaian. Sedangkan faktor jumlah pegawai mempunyai tingkat keeratan yang rendah terhadap model, yaitu 0,37. Ini berarti bahwa jumlah pegawai meskipun tidak sesuai dengan formasi pegawai yang ada, kegiatan Pegadaian tetap dapat berjalan dengan baik."

"Pesatnya perkembangan teknologi informasi dan komunikasi menuntut adanya inovasi dalam pengembangan aplikasi agar dapat mengikuti perkembangan yang cepat tersebut. Segari adalah salah satu penyedia layanan supermarket online yang populer di Indonesia. Segari merupakan perusahaan yang berlandasan customer centric dan mempunyai nilai Be Obsessed with our Customers, sangat mengedepankan kebutuhan dari pelanggannya. Minimnya sumber daya manusia dan banyaknya ulasan pelanggan yang perlu di analisis menghambat proses penggalian informasi dari ulasan pelanggan tersebut, sehingga diperlukan model pembelajaran mesin yang dapat secara otomatis melakukan analisis sentimen untuk mengklasifikasikan ulasan menjadi sentimen positif atau negatif. Informasi yang diambil dari analisis sentimen dapat digunakan sebagai referensi untuk menjaga kualitas layanan berdasarkan sentimen positif, sedangkan hasil dari sentimen negatif dapat digunakan sebagai bahan evaluasi untuk meningkatkan layanan dan aplikasi Segari. Dalam penelitian ini, peneliti membahas implementasi model analisis sentimen menggunakan ulasan pelanggan dari Google Play Store. Metode pembuatan model dimulai dari pengumpulan data, pelabelan data, pra proses data, ekstraksi fitur, model klasifikasi sentimen, evaluasi model, dan pemodelan topik. Peneliti menggunakan dua algoritma klasifikasi, Naive Bayes Classifier (NB) dan Support Vector Machine (SVM), pada total 10.507 ulasan. Data menunjukkan bahwa 74,37% ulasan mengungkapkan sentimen positif, sedangkan 25,63% mengungkapkan sentimen negatif. Hasil penelitian menunjukkan bahwa algoritma SVM dengan oversampling mencapai kinerja model terbaik, dengan recall sebesar 89,98%. Selain itu, peneliti menggunakan Latent Dirichlet Allocation (LDA) untuk mengidentifikasi topik terkait dengan perspektif pelanggan tentang Segari yang selanjutnya disampaikan kepada tim terkait. Hasil analisis mengungkapkan bahwa terdapat pelanggan yang puas dan kecewa dengan proses pengiriman produk. Pelanggan umumnya sudah puas dengan kualitas dan kesegaran dari produk. Beberapa pelanggan merasa kecewa karena pesanan yang kosong atau tidak lengkap dalam paket. Terdapat pelanggan yang puas dan kecewa terhadap aplikasi antarmuka pengguna, kecepatan, maupun kinerja aplikasi. Terdapat pelanggan yang puas dan kecewa terhadap harga, promo, dan voucher yang tersedia. Beberapa pelanggan merasa kecewa terhadap servis yang diberikan oleh customer service. Secara keseluruhan, penelitian ini memperluas pengetahuan tentang metode analisis sentimen dan memberikan wawasan tentang melakukan penelitian terkait analisis sentimen dan ulasan pelanggan.

---

The rapid development of information and communication technology demands innovation in application development to keep up with such rapid advancement. Segari is one of the popular online supermarket service providers in Indonesia. Segari is a customer-centric company with a core value of being obsessed with its customers, prioritizing their needs. The lack of human resources and the abundance of customer reviews that need to be analyzed hinder the process of extracting information from these reviews. Therefore, a machine learning model is needed to automatically perform sentiment analysis and classify the reviews into positive or negative sentiments. The information extracted from sentiment analysis can be used as a reference to maintain service quality based on positive sentiments, while the results of negative sentiments can be used for evaluation to improve Segari's services and application. In this research, the implementation of a sentiment analysis model using customer reviews from the Google Play Store is discussed. The model development process includes data collection, data labeling, data preprocessing, feature extraction, sentiment classification model, model evaluation, and topic modeling. The researcher utilized two classification algorithms, Naive Bayes Classifier (NB) and Support Vector Machine (SVM), on a total of 10,507 reviews. The data shows that 74.37% of the reviews express positive sentiments, while 25.63% express negative sentiments. The results of the study indicate that the SVM algorithm with oversampling achieved the best model performance, with a recall of 89.98%. Additionally, the researcher used Latent Dirichlet Allocation (LDA) to identify topics related to customer perspectives on Segari, which will be communicated to the relevant team. The analysis revealed that some customers are satisfied while others are disappointed with the product delivery process. Customers generally expressed satisfaction with the quality and freshness of the products. Some customers felt disappointed due to missing or incomplete items in their orders. There were mixed opinions about the user interface, speed, and performance of the application. Customers also expressed satisfaction and dissatisfaction with the available prices, promotions, and vouchers. Some customers felt disappointed with the service provided by the customer service team. Overall, this paper extends knowledge of sentiment analysis methods and provides insights on conducting research related to sentiment analysis and customer reviews.

"

"Perkembangan pesat teknologi menyebabkan pertumbuhan pengguna perangkat mobilesemakin meningkat. Hal tersebut mendorong para pengembang aplikasi untukmengembangkan berbagai aplikasi. Aplikasi Learn Quran Tajwid merupakan aplikasiyang diperuntukkan bagi pengguna untuk belajar dan memahami bacaan al-quran lebihdetail dengan audio yang tepat dalam melafadzkan al-quran dan pengguna dapatmempraktekkan bacaan dengan koreksi dari aplikasi. Pendapatan Learn Quran Tajwidbersumber pada layanan berlangganan dan iklan. Sumber utamanya pada pendapatanlayanan paket berlangganan khususnya di Google Play Store namun sumber pendapatanutama tersebut terus mengalami penurunan pertumbuhan bulanan dari tahun sebelumnya.Target peningkatan pertumbuhan pendapatan bulanan Aplikasi Learn Quran Tajwid diGoogle Play Store dari tahun sebelumnya (y-o-y) tidak tercapai. Oleh sebab itu, dilakukananalisis akar masalah dan didapatkan masalah utamanya adalah kepuasaan pelangganmenurun. Tujuan penelitian ini adalah melihat bagaimana pandangan pengguna AplikasiLearn Quran Tajwid di Google Play Store dengan melakukan analisis sentimen danpemodelan topik. Data ulasan yang digunakan berjumlah 5100 ulasan yang didapatkandengan melakukan scraping dari ulasan pengguna aplikasi Learn Quran Tajwid di GooglePlay Store dengan rincian 3026 ulasan sebagai data latih. Selanjutnya data latihdianotasikan manual untuk menentukan sentimen positif atau negatif kemudian dilakukanpreprocessing dan representasi teks menggunakan TF-IDF. Penelitian ini menggunakanalgoritma NB, SVM, XGBoost, CNN, LSTM dan BERT untuk klasifikasi sentimen. Hasileksperimen menunjukkan bahwa algoritma klasifikasi dengan kinerja terbaik adalahalgoritma BERT dengan akurasi 96%, diikuti SVM imbalanced class dengan akurasi95,2% serta SVM-smote dan LSTM dengan akurasi 94,8%. Sementara itu, algoritmapemodelan topik yang digunakan adalah LDA. Hasil pemodelan topik menggunakanalgoritma LDA untuk sentimen positif dan negatif. kesimpulan topik pada sentimenpositif yakni pengguna merasa aplikasi sangat bagus dan memberikan manfaat yangbesar, serta mudah digunakan Sedangkan dari topik yang muncul pada sentimen negatifdidapatkan kesimpulan yakni pengguna merasa iklan yang muncul sangat mengganggudan mengurangi pengalaman pengguna walaupun pengguna merasa aplikasi bagus danbermanfaat namun karena terdapat iklan yang sangat mengganggu berpengaruh terhadapkepuasaan pengguna sehingga memberikan rating rendah.

---

The rapid development of technology has led to an increasing growth in mobile device

users. This has driven application developers to create various apps. The Learn Quran

Tajwid app is designed for users to learn and understand the recitation of the Quran in

more detail, with accurate audio pronunciation. Users can practice their recitation and

receive corrections from the app. The revenue for Learn Quran Tajwid comes from

subscription services and advertisements. The main source of revenue is the subscription

packages, particularly on the Google Play Store. However, the main revenue source has

been experiencing a decline in monthly growth compared to the previous year. The target

of increasing monthly revenue growth for the Learn Quran Tajwid app on the Google

Play Store from the previous year (year-over-year) was not achieved. Therefore, an

analysis of the root cause was conducted, and it was found that customer satisfaction has

decreased. This research aims to examine the users' perspectives of the Learn Quran

Tajwid app on the Google Play Store through sentiment analysis and topic modelling. A

total of 5100 app reviews were used for the analysis, obtained by scraping user reviews

of the Learn Quran Tajwid app from the Google Play Store. Out of these, 3026 reviews

were used as training data. The training data was manually annotated to determine

positive or negative sentiment, and then pre-processing and text representation using TF

IDF were performed. This study used the NB, SVM, XGBoost, CNN, LSTM, and BERT

algorithms for sentiment classification. The experimental results showed that the BERT

algorithm performed the best with an accuracy of 96%, followed by SVM imbalance class

with 95.2% accuracy, and SVM-SMOTE and LSTM with 94.8% accuracy. As for the

topic modelling algorithm used, it was LDA. The topic modelling results using the LDA

algorithm for positive sentiment and negative sentiment. In conclusion, the topics

identified for positive sentiment indicate that users find the app to be excellent and highly

beneficial, as well as easy to use. On the other hand, from the topics identified for negative

sentiment, it can be concluded that users find the ads to be very disruptive and diminish

the user experience. Despite users perceiving the app as good and useful, the presence of

intrusive ads has a significant impact on user satisfaction, resulting in lower ratings. "

"Perkembangan teknologi informasi dan komunikasi (TIK) yang pesat menuntut inovasi dalam pengembangan aplikasi juga berkembang cepat. Aplikasi Tokopedia Seller merupakan salah satu aplikasi utama milik PT Tokopedia yang diperuntukkan bagi penjual dalam melakukan kegiatan operasional penjualan produk. Aplikasi yang baru diluncurkan di Android ini tergolong aplikasi perintis dan memerlukan banyak masukan dari pengguna, salah satunya dari Google Play Store. Akan tetapi, banyaknya ulasan yang masuk dan beragamnya opini, mengakibatkan proses analisis sentimen dan aspek ulasan menjadi lambat dan banyak terlewat. Oleh karena itu, perlu dilakukan suatu penelitian yang mengusulkan sistem otomatis untuk melakukan analisis sentimen berbasis aspek. Tujuan dari usulan sistem otomatis ini adalah untuk memudahkan proses analisis ulasan pengguna. Adapun data ulasan yang digunakan sebagai masukan eksperimen bersumber dari Google Play Store sejumlah 6.221 data berlabel dari Juli – September 2021. Penelitian ini menunjukkan bahwa algoritma Support Vector Machine (SVM) yang dipadukan dengan SMOTE menghasilkan performa yang paling baik dibandingkan dengan CNN dan Logistic Regression dengan accuracy 54%, precision 48%, dan recall 52% untuk mengklasifikan sentimen. Selaras dengan analisis sentimen, SVM dengan SMOTE juga menghasilkan performa yang lebih baik dengan accuracy 40%, precision 41%, dan recall 40%. Kondisi data ulasan yang cenderung singkat yakni kurang dari 10 kata, mengakibatkan performa klasifikasi kurang optimal.

---

The rapid development of information and communication technology (ICT) requires innovation in the field of application development. The Tokopedia Seller application is one of the main applications owned by PT Tokopedia which develops for sellers in carrying out product sales operational activities. It was just launched on Android, and it is classified as a pioneering application and requires a lot of input from users, one of which is from the Google Play Store. However, due to a lot of reviews came in, it makes the process of sentiment analysis and aspect review being slow and many being missed. Therefore, it is necessary to conduct a study that proposes a automatic system to perform aspect-based sentiment analysis. The purpose of this automated system proposal is to simplify the process of analyzing user reviews. The review of the data used as experimental input sourced from the Google Play Store with a total of 6,221 data labeled from July – September 2021. This study shows that the Support Vector Machine (SVM) algorithm combined with SMOTE produces the best performance compared to CNN and Logistic Regression with 54% accuracy, 48% precision, and 52% recall for classifying sentiments. In line with sentiment analysis, SVM with SMOTE also produces better performance with 40% accuracy, 41% precision, and 40% recall. The condition of the short review data is less than 10 words, resulting in a less than optimal classification performance."

"Menurut laporan Ericsson Mobility Report (2018), bahwa Jumlah total langganan seluler ada di sekitar 7,9 miliar pada Q3 2018, dengan 120 juta pelanggan baru bertambah pada kuartal tersebut.. Di Indonesia juga sudah cukup banyak orang yang melek dengan teknologi, terutama internet.. Pada penelitian ini, peneliti ingin mencari tentang karakteristik dari aplikasi (mobile app) yang berbayar (purchase) dan gratis (Free), terhadap peluang usaha pada perusahaan baru (startup) di Indonesia. Pada penelitian ini akan dilakukan pengamatan pada big data dan big data analytics, dari hasil pengumpulan aplikasi dalam bentuk populasi pada Google Play dan Apple App Store Indonesia. Pengambilan data akan menggunakan bahasa pemrograman Python 3.7 dan Anaconda sebagai IDE (Integrated Development Environment) sebagai basis visualisasi dari data dan program. Pengumpulan data dan penelitian akan berjalan dimulai dari Januari 2020.

---

According to the Ericsson Mobility Report (2018), the total number of cellular subscriptions is around 7.9 billion in Q3 2018, with 120 million new customers increasing in the quarter. In Indonesia, there are many people who are literate with technology, especially the internet. In this study, researchers want to find out about the characteristics of the application (mobile app) that is paid and free with in-app purchases, to business opportunities in new companies (startups) in Indonesia. In this study, observations will be made on big data and big data analytics, from the results of collecting applications in the form of population on Indonesia Google Play and Apple App Store. Data processing will use the Python 3.7 programming language, and Anaconda as an IDE (Integrated Development Environment) as the basis for visualization of data and programs. Data collection and research will run starting from January 2020."

"Menurut laporan Ericsson Mobility Report (2018), bahwa Jumlah total langganan seluler ada di sekitar 7,9 miliar pada Q3 2018, dengan 120 juta pelanggan baru bertambah pada kuartal tersebut. Di Indonesia juga sudah cukup banyak orang yang melek dengan teknologi, terutama internet. Pada penelitian ini, peneliti ingin mencari tentang karakteristik dari aplikasi (mobile app) yang berbayar (purchase) dan gratis (Free), terhadap peluang usaha pada perusahaan baru (startup) di Indonesia. Pada penelitian ini akan dilakukan pengamatan pada big data dan big data analytics, dari hasil pengumpulan aplikasi dalam bentuk populasi pada Google Play dan Apple App Store Indonesia. Pengambilan data akan menggunakan bahasa pemrograman Python 3.7 dan Anaconda sebagai IDE (Integrated Development Environment) sebagai basis visualisasi dari data dan program. Pengumpulan data dan penelitian akan berjalan dimulai dari Januari 2020.

---

According to the Ericsson Mobility Report (2018), the total number of cellular subscriptions is around 7.9 billion in Q3 2018, with 120 million new customers increasing in the quarter. In Indonesia, there are many people who are literate with technology, especially the internet. In this study, researchers want to find out about the characteristics of the application (mobile app) that is paid and free with in-app purchases, to business opportunities in new companies (startups) in Indonesia. In this study, observations will be made on big data and big data analytics, from the results of collecting applications in the form of population on Indonesia Google Play and Apple App Store. Data processing will use the Python 3.7 programming language, and Anaconda as an IDE (Integrated Development Environment) as the basis for visualization of data and programs. Data collection and research will run starting from January 2020."