ANALISIS SENTIMEN PENGGUNA APLIKASI SAPAWARGA - JABAR SUPER APPS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Raisya Nadzira Zahirahtush Shafa; Asti Herliana

doi:10.46576/djtechno.v6i2.6877

ANALISIS SENTIMEN PENGGUNA APLIKASI SAPAWARGA - JABAR SUPER APPS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Raisya Nadzira Zahirahtush Shafa, Asti Herliana

Abstract

Pertumbuhan aplikasi layanan publik digital menjadi bagian penting dalam reformasi birokrasi dan transformasi pelayanan pemerintah kepada masyarakat. Salah satu implementasinya di Provinsi Jawa Barat adalah aplikasi Sapawarga – Jabar Super Apps, yang mempermudah akses masyarakat terhadap layanan publik. Penelitian ini bertujuan mengevaluasi opini publik terhadap aplikasi tersebut melalui pendekatan analisis sentimen berbasis teks ulasan pengguna di App Store, terutama pasca peralihan kepemimpinan daerah. Metode yang digunakan adalah pendekatan lexicon-based sentiment analysis dengan kamus Indonesian Sentiment Lexicon (InSet), dilanjutkan dengan klasifikasi menggunakan algoritma Support Vector Machine (SVM). Proses penelitian meliputi preprocessing data (cleansing, normalisasi, tokenisasi, dan penghapusan stopwords), pelabelan sentimen, ekstraksi fitur menggunakan TF-IDF, dan evaluasi model melalui confusion matrix. Data diperoleh melalui web scraping, menghasilkan 229 ulasan valid, yang diklasifikasikan menjadi 166 sentimen negatif, 47 positif, dan 16 netral. Hasil evaluasi menunjukkan akurasi tertinggi sebesar 86% pada skenario pembagian data latih dan uji 90:10. Penelitian ini memberikan gambaran objektif mengenai persepsi pengguna terhadap layanan digital publik serta rekomendasi berbasis data bagi pengambil kebijakan dan pengembang aplikasi dalam meningkatkan kualitas dan responsivitas pelayanan.

Keywords

Analisis Sentimen; Aplikasi Sapawarga; App Store; Layanan Publik Digital; Support Vector Machine.

Full Text:

PDF

References

C. A. Sopamena, “Digital Revolution and Public Administration Innovation: Increasing the Efficiency and Responsiveness of Public Services,” J. Gov., vol. 9, no. 2, 2024, doi: 10.31506/jog.v9i2.24786.

Bappeda Provinsi Jawa Barat, “Gubernur Jabar Luncurkan Aplikasi Pelayanan Publik Sapawarga,” Bappeda Provinsi Jawa Barat. Accessed: Apr. 12, 2025. [Online]. Available: https://bappeda.jabarprov.go.id/gubernur-jabar-luncurkan-aplikasi-pelayanan-publik-sapawarga/

I. Gambo, C. Agbonkhese, T. Omodunbi, and R. Massenon, “Extracting Features from App Store Reviews to Improve Requirements Analysis: Natural Language Processing and Machine Learning Approach,” Int. J. Comput. Digit. Syst., vol. 16, no. 1, pp. 1–14, 2024.

M. Kumar, L. Khan, and H.-T. Chang, “Evolving techniques in sentiment analysis: a comprehensive review,” PeerJ Comput. Sci., vol. 11, p. e2592, Jan. 2025, doi: 10.7717/peerj-cs.2592.

M. Indra Buana and D. Brahma Arianto, “Analisis Sentimen Ulasan Pengguna Aplikasi ZenPro dengan Implementasi Algoritma Support Vector Machine (SVM),” Adopsi Teknol. dan Sist. Inf., vol. 3, no. 1, pp. 45–52, 2024, doi: 10.30872/atasi.v3i1.1092.

A. M. Yolanda and R. T. Mulya, “Implementasi Metode Support Vector Machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store,” vol. 6, no. 2, pp. 76–83, 2024, doi: 10.35580/variansiunm258.

I. S. K. Idris, Y. A. Mustofa, and I. A. Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM),” Jambura J. Electr. Electron. Eng., vol. 5, no. 1, pp. 32–35, 2023, doi: 10.37905/jjeee.v5i1.16830.

P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” 2021. doi: 10.25126/jtiik.0813944.

N. G. Ramadhan and T. I. Ramadhan, “Analysis Sentiment Based on IMDB Aspects from Movie Reviews using SVM,” 2022. doi: 10.33395/sinkron.v7i1.11204.

F. Rifaldy, Y. Sibaroni, and S. S. Prasetiyowati, “Effectiveness of word2vec and tf-idf in sentiment classification on online investment platforms using support vector machine 1.,” vol. 10, no. 2, pp. 863–874, 2025.

B. L. Ortiz et al., “Data Preprocessing Techniques for Artificial Intelligence (AI)/Machine Learning (ML)-Readiness: Systematic Review of Wearable Sensor Data in Cancer Care (Preprint),” JMIR mHealth uHealth, vol. 12, pp. 1–18, 2024, doi: 10.2196/59587.

N. S. AZWARNI, “… Textblob, Lexicon, Support Vector Machine, Naive Bayes, and Chatgpt Approaches for Sentiment Analysis of Nasdaq Listed …,” J. Theor. Appl. Inf. …, vol. 102, no. 13, pp. 5364–5373, 2024, [Online]. Available: http://www.jatit.org/volumes/Vol102No13/20Vol102No13.pdf

N. Fajriyah, N. T. Lapatta, D. W. Nugraha, and R. Laila, “Implementasi svm dan smote pada analisis sentimen media sosial x terhadap pelantikan agus harimurti yudhoyono,” vol. 10, no. 2, pp. 1359–1370, 2025.

A. E. Budiman and A. Widjaja, “Analisis Pengaruh Teks Preprocessing Terhadap Deteksi Plagiarisme Pada Dokumen Tugas Akhir,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 3, pp. 475–488, 2020, doi: 10.28932/jutisi.v6i3.2892.

N. Fitriyah, B. Warsito, and D. A. I. Maruddani, “Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm,” 2020. doi: 10.14710/j.gauss.v9i3.28932.

A. Muhammadin and I. A. Sobari, “Analisis Sentimen Pada Ulasan Aplikasi Kredivo Dengan Algoritma Svm Dan Nbc,” 2021. doi: 10.31294/reputasi.v2i2.785.

D. M. Lumbantoruan, A. R. Malau, H. M. Damanik, and L. D. Sipayung, “Pengaruh Manfaat dan Kemudahan Pengguna Terhadap Keputusan Nasabah Menggunakan Mobile Banking Bank Mandiri,” J. Bina Bangsa Ekon., vol. 16, no. 2, pp. 394–399, 2023.

E. Istianah and W. Yustanti, “Analisis Kepuasan Pengguna pada Aplikasi Jenius dengan Menggunakan Metode EUCS (End-User Computing Satisfaction) berdasarkan Perspektif Pengguna,” J. Emerg. Inf. Syst. Bus. Intell., vol. 3, no. 4, pp. 36–44, 2022, [Online]. Available: https://ejournal.unesa.ac.id/index.php/JEISBI/article/view/47882

Y. Wahyu, S. Putra, S. Sutiyatno, T. Yusnanto, G. Susilo, and M. R. Birul, “Analisis Kualitas Aplikasi Grabag Guide Menggunakan Standar ISO / IEC 25010,” vol. 15, no. 02, pp. 305–311, 2024, doi: 10.35970/infotekmesin.v15i2.2240.

Syamsuddin, A. L. Togatorop, O. C. Karubaba, M. Z. Sholahuddin, and T. B. Prasetya, “The Influence of Mobile Application User Experience, Service Quality, and Social Interaction on Customer Satisfaction Quantitative Research in the Online Service Industry,” Int. J. Sci. Soc., vol. 6, no. 3, pp. 83–98, 2024, doi: 10.54783/ijsoc.v6i3.1225.

C. Wimalasooriya, S. A. Licorish, D. A. da Costa, and S. G. MacDonell, “A systematic mapping study addressing the reliability of mobile applications: The need to move beyond testing reliability,” J. Syst. Softw., vol. 186, pp. 1–29, 2022, doi: 10.1016/j.jss.2021.111166.

DOI: https://doi.org/10.46576/djtechno.v6i2.6877