Indonesian Dynamic Sentiment Lexicon dengan Penerapan Spelling Checker Untuk Meningkatkan Kinerja Sentiment Analysis Dan Kepuasaan Pelanggan Pada Dataset Aplikasi PLN Mobile

Abstract

Penelitian ini dilakukan untuk menganalisis sentimen pengguna terhadap aplikasi layanan publik PLN Mobile di Indonesia, yang semakin relevan seiring peningkatan jumlah pengguna internet dan ponsel di negara ini. Dengan menggunakan data 11.004 ulasan yang dikumpulkan melalui web scraping dari Google Play Store selama periode Januari 2022 hingga Desember 2023, penelitian ini bertujuan untuk mengidentifikasi kesenjangan antara penilaian pengguna dan ulasan yang diberikan. Proses analisis melibatkan pelabelan sentimen menggunakan SentiStrength_id serta pemodelan menggunakan Support Vector Machine (SVM) pada tahap prapemrosesan. Korektor pengejaan yang dikembangkan oleh Peter Norvig juga diterapkan untuk meningkatkan akurasi dengan memperbaiki kesalahan ejaan dalam teks. Hasil analisis menunjukkan akurasi yang tinggi, mencapai 82% pada rasio pembagian data 90:10, dengan distribusi emosi sebesar 67,4% positif, 16,5% negatif, dan 16,1% netral. Proporsi ketidaksesuaian antara peringkat pengguna dan ulasan yang diberikan adalah 72,49% untuk ulasan positif, 4,5% netral, dan 23,1% negatif. Penelitian ini diharapkan dapat memberikan wawasan dalam meningkatkan kepuasan pengguna melalui analisis sentimen berbasis data.