Analisis Sentimen Menggunakan Algoritma Logistic Regression dan LDA(Latent Dirichlet Allocation) pada Ulasan Aplikasi PLN Mobile Di Play Store
Abstrak
Pertumbuhan ekosistem digital mendorong peningkatan volume ulasan aplikasi di platform distribusi perangkat lunak, termasuk PLN Mobile milik PT PLN (Persero). Penelitian ini bertujuan menganalisis sentimen dan mengidentifikasi topik dominan pada ulasan PLN Mobile tahun 2022. Data sebanyak 134.325 ulasan diperoleh melalui web scraping dari Google Play Store, kemudian difilter menjadi 40.043 ulasan relevan. Tahapan meliputi pelabelan sentimen berdasarkan skor ulasan, pra-pemrosesan teks, pemisahan data, serta pembangunan model analisis sentimen menggunakan Logistic Regression. Model dilatih selama 15 epoch dengan representasi fitur TF-IDF dan menghasilkan akurasi 86%, Precision 98%, Recall 85%, dan F1-Score 91%. Selain itu, metode Latent Dirichlet Allocation (LDA) digunakan untuk pemodelan topik dan menghasilkan empat topik utama: Transaksi, Layanan, Aplikasi, dan Pengaduan. Hasil integrasi kedua model menunjukkan proporsi sentimen positif yang dominan pada semua topik, dengan kisaran 85,9%–86,3%. Temuan ini memberikan wawasan strategis bagi PT PLN (Persero) untuk meningkatkan kualitas layanan, kinerja aplikasi, dan respons terhadap pengaduan pelanggan.
Kata kunci — Analisis sentimen, Logistic Regression, Latent Dirichlet Allocation, pln mobile
Referensi
Kumar, M., Khan, L., dan Chang, H.-T. 2025. Evolving Techniques in Sentiment Analysis: A Comprehensive Review. Department of Computer Science, Mir Chakar Khan Rind University, Sibi, Balochistan, Pakistan; IBADAT International University Islamabad, Pakpattan Campus, Pakistan; Chang Gung University, Taoyuan, Taiwan.
Thaha, A. R., & Purnamasari, R. (2021). Trends and pattern on library marketing: A systematic review. Library Philosophy and Practice, (6211), 1–18. University of Nebraska-Lincoln.
Afasel, D., Purnamasari, R., & Edwar. (2022). Klasifikasi tutupan lahan menggunakan supervised machine learning pada citra satelit menggunakan Google Earth Engine. e-Proceeding of Engineering, 8(6), 3278–3286.
Mahira, S. A., Sukoco, I., Barkah, C. S., Jamil, N., Novel, A., dan Bisnis, J. A. 2023. Teknologi Artificial Intelligence dalam Analisis Sentimen: Studi Literatur pada Perusahaan Kata.Ai. Bulan Agustus Tahun, 6(2), 139–148.
Wahyudin. 2020. Aplikasi Topic Modeling pada Pemberitaan. Seminar Nasional Official Statistics: Pengembangan Official Statistics dalam Mendukung Implementasi SDG’s, 309–318.
Novirianto, I. F. 2023. Analisis Sentimen Berbasis Aspek dalam Ulasan Aplikasi MyBluebird dengan Implementasi N-Gram dan Algoritma Logistic Regression. Skripsi Sarjana, Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta, Jakarta.
PLN (Perusahaan Listrik Negara). 2021. Company Profile. PT PLN (Persero). [Online]. Tersedia: https://web.pln.co.id/statics/uploads/2021/08/Company-Profile-PLN-082021.pdf
Yulistiar, F. W., dan Kriswibowo, A. 2024. Evaluation of Customer Service through PLN Mobile Application in the Framework of Electronic Government Maturity Model in Sidoarjo Customer Service Implementation Unit. East Java "Veteran" National Development University. https://web.pln.co.id/statics/uploads/2021/08/Company-Profile-PLN-082021.pdf
Shad, R., Potter, K., dan Gracias, A. 2024. Natural Language Processing (NLP) for Sentiment Analysis: A Comparative Study of Machine Learning Algorithms.
Pradana, R. O. 2023. Analisis Tren Topik Sistem Informasi di Indonesia dari Perspektif Topic Modeling Menggunakan LDA (Latent Dirichlet Allocation). Skripsi.
