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 deviceusers. This has driven application developers to create various apps. The Learn QuranTajwid app is designed for users to learn and understand the recitation of the Quran inmore detail, with accurate audio pronunciation. Users can practice their recitation andreceive corrections from the app. The revenue for Learn Quran Tajwid comes fromsubscription services and advertisements. The main source of revenue is the subscriptionpackages, particularly on the Google Play Store. However, the main revenue source hasbeen experiencing a decline in monthly growth compared to the previous year. The targetof increasing monthly revenue growth for the Learn Quran Tajwid app on the GooglePlay Store from the previous year (year-over-year) was not achieved. Therefore, ananalysis of the root cause was conducted, and it was found that customer satisfaction hasdecreased. This research aims to examine the users' perspectives of the Learn QuranTajwid app on the Google Play Store through sentiment analysis and topic modelling. Atotal of 5100 app reviews were used for the analysis, obtained by scraping user reviewsof the Learn Quran Tajwid app from the Google Play Store. Out of these, 3026 reviewswere used as training data. The training data was manually annotated to determinepositive or negative sentiment, and then pre-processing and text representation using TFIDF were performed. This study used the NB, SVM, XGBoost, CNN, LSTM, and BERTalgorithms for sentiment classification. The experimental results showed that the BERTalgorithm performed the best with an accuracy of 96%, followed by SVM imbalance classwith 95.2% accuracy, and SVM-SMOTE and LSTM with 94.8% accuracy. As for thetopic modelling algorithm used, it was LDA. The topic modelling results using the LDAalgorithm for positive sentiment and negative sentiment. In conclusion, the topicsidentified for positive sentiment indicate that users find the app to be excellent and highlybeneficial, as well as easy to use. On the other hand, from the topics identified for negativesentiment, it can be concluded that users find the ads to be very disruptive and diminishthe user experience. Despite users perceiving the app as good and useful, the presence ofintrusive ads has a significant impact on user satisfaction, resulting in lower ratings. |
TA-Novialdi Ashari.pdf :: Unduh