Analisis Kualitas Layanan Aplikasi Jamsostek Mobile Pada Google Playstore Menggunakan Text Classfication Dan Topic Modeling
Abstract
Penelitian ini menganalisis kualitas layanan aplikasi Jamsostek Mobile (JMO) milik BPJS Ketenagakerjaan melalui
ulasan pengguna di Google Play Store selama periode 1 Januari 2024 hingga 31 Desember 2024. Dengan
memanfaatkan metode text classification dan topic modeling, serta model IndoBERT untuk analisis sentimen,
penelitian ini mengevaluasi delapan dimensi layanan: Responsiveness, Service Reliability, Ease of Use, Competence,
Access, System Reliability, Timeliness, dan Security. Hasil analisis menunjukkan bahwa 58% ulasan bernada positif,
dengan dimensi service reliability memperoleh sentimen positif tertinggi, yang mencerminkan kepuasan pengguna
terhadap akurasi dan ketepatan layanan. Sebaliknya, 42% ulasan mengandung sentimen negatif, terutama pada dimensi
responsiveness, yang menyoroti keluhan terkait lambatnya respons dan solusi dari pihak layanan. Temuan topic
modeling mengungkapkan bahwa ulasan positif banyak menekankan kemudahan dan manfaat layanan, sedangkan
ulasan negatif didominasi isu ketidakmampuan customer service dalam menangani masalah pengguna. Penelitian ini
memberikan rekomendasi bagi BPJS Ketenagakerjaan untuk meningkatkan responsivitas layanan, sekaligus
mempertahankan keandalan sistem guna meningkatkan kepuasan pengguna dan mendukung keberhasilan
implementasi e-government di Indonesia.
Kata Kunci-kualitas layanan, Jamsostek Mobile, text classification, topic modeling, analisis sentimen, BERT
References
Dhita K.A, A. “OPTIMALISASI PELAYANAN PUBLIK MELALUI INA DIGITAL DAN TANTANGANNYA,”
Pusat Analisis Keparlemenan Badan Keahlian DPR RI. 2024
BPJAMSOSTEK. “BPJS Ketenagakerjaan tegaskan dukung Govtech Indonesia ke Presiden Jokowi,” Accessed : May
, 2024. [Online]. Available: https://www.bpjsketenagakerjaan.go.id/berita/28853/BPJS-Ketenagakerjaantegaskan-dukung-Govtech-Indonesia-ke-Presiden-Jokowi
BPJAMSOSTEK. “Pengayaan Pengalaman Peserta Untuk Pertumbuhan Berkelanjutan - Laporan Tahunan
Terintegrasi,” 2023. [Online]. Available: https://www.bpjsketenagakerjaan.go.id/laporan-terintegrasi.html
Sugianto, D. (2022, April 24). Aplikasi JMO Gagal Login, Peserta Ngeluh Tak Bisa Cairkan Duit Jamsostek . Detik
Finance.
Lukihardianti, A. (2024, July 29). Ribuan Karyawan PT Kahatex Kab Bandung Diajarkan Cara Akses JMO. Rejabar.
Qahar, M. Y. A., Ruldeviyani, Y., Mukharomah, U. N., Fidyawan, M. A., & Putra, R. (2024). Factor analysis
influencing Mobile JKN user experience using sentiment analysis. IAES International Journal of Artificial
Intelligence, 13(2), 1782–1793. https://doi.org/10.11591/ijai.v13.i2.pp1782-1793
Kotler, P., & Keller, K. (2022). Marketing Management (16th ed.).
Solomon, M. R., & Russel, C. A. (2024). Consumer Behavior - Buying, Having, Being (14th ed.).
Aditya, I. A., Haryadi, F. N., Haryani, I., Rachmawati, I., Ramadhani, D. P., Tantra, T., & Alamsyah, A. (2023).
Understanding service quality concerns from public discourse in Indonesia state electric company. Heliyon,
(8). https://doi.org/10.1016/j.heliyon.2023.e18768
Widayanti, D. A., Rahayu, S., & Hariyanti, H. (2023). Pengaruh Kualitas E-Service terhadap Kepuasan Pelanggan
Pengguna E-Commerce Shopee. Kompeten: Jurnal Ilmiah Ekonomi Dan Bisnis, 2(1), 352–366.
https://doi.org/10.57141/kompeten.v2i1.56
Chatterjee, Dr. S. (2019). Explaining customer ratings and recommendations by combining qualitative and quantitative
user generated contents. Decision Support Systems, 119, 14–22. https://doi.org/10.1016/j.dss.2019.02.008
Alamsyah, A., Rizkika, W., Dwi, D., Nugroho, A., Renaldi, F., & Saadah, S. (2018). Dynamic Large Scale Data on
Twitter using Sentiment Analysis and Topic Modeling Case Study: Uber
Alamsyah, A., Ramadhani, D. P., Kristanti, F. T., Nasution, A. H., Mohamad, M. S. bin, Sokkalingam, R., Widiyanesti,
S., & Saputra, M. A. A. (2025). Deciphering news sentiment and stock price relationships in Indonesian
companies: an AI-based exploration of industry affiliation and news co-occurrence. Discover Artificial
Intelligence, 5(1). https://doi.org/10.1007/s44163-025-00350-5
