Tugas Akhir 12220109_Putri Khodijah

Tugas Akhir 12220109_Putri Khodijah

• By Khodijah, Putri;
• S1 - Teknik Informatika
• 4

Aplikasi M-Paspor sebagai layanan digital Direktorat Jenderal Imigrasi masih menghadapi berbagai keluhan teknis dari pengguna, tercermin dari rating rata-rata 3,0 dari 5,0 bintang berdasarkan lebih dari 41.000 ulasan di Google Play Store. Besarnya volume ulasan membuat evaluasi manual tidak lagi efektif, sehingga dibutuhkan pendekatan otomatis berbasis komputasi. Penelitian ini bertujuan membangun sistem klasifikasi sentimen ulasan pengguna aplikasi M-Paspor serta memetakan hasil klasifikasi ke dalam dimensi e-Service Quality sebagai landasan evaluasi kualitas layanan. Metode yang digunakan adalah algoritma Multinomial Naive Bayes (MNB) dikombinasikan dengan Synthetic Minority Over-sampling Technique (SMOTE) untuk menangani ketidakseimbangan kelas, serta TF-IDF dengan konfigurasi N-gram (1,2) sebagai metode ekstraksi fitur. Dataset terdiri dari 1.378 ulasan valid yang telah melalui pipeline preprocessing dan validasi anotasi manual dengan nilai Cohen's Kappa κ = 0,8155. Hasil pengujian menunjukkan bahwa kombinasi MNB dan SMOTE meningkatkan performa model secara signifikan, dengan akurasi 86,23%, Recall kelas Positif sebesar 0,50, dan Macro F1-Score sebesar 0,75. Analisis distribusi sentimen menunjukkan 86,2% ulasan bersifat negatif, dengan keluhan utama terpusat pada dimensi Security (19,84%) dan Usability (18,83%), mengindikasikan bahwa prioritas perbaikan aplikasi M-Paspor terletak pada aspek keamanan autentikasi akun dan kemudahan alur penggunaan antarmuka.

• Katakunci Analisis Sentimen, Multinomial Naive Bayes, SMOTE, TF-IDF, e-Service Quality, M-Paspor
• URL http://
• Penerbit Universitas Nusa Mandiri, Jakarta, Indonesia,

REFERENSI

[1]      HUMAS KEMENPANRB, “Presiden Joko Widodo Luncurkan ‘INA Digital’ Jadi GovTech, Percepat Integrasikan Beragam Layanan,” PANRB. Accessed: May 28, 2026. [Online]. Available: https://www.menpan.go.id/site/berita-terkini/presiden-joko-widodo-luncurkan-ina-digital-jadi-govtech-percepat-integrasikan-beragam-layanan

[2]      R. Maheri, F. N. Salisah, F. Muttakin, and Megawati, “Analisis Sentimen Ulasan Aplikasi M-Paspor Menggunakan Naive Bayes Dan Support Vector Machine,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 10, no. 1, pp. 448–458, 2025, [Online]. Available: https://jurnal.stkippgritulungagung.ac.id/index.php/jipi

[3]      M. L. F. Martanto and W. Istiono, “Sentiment Analysis of M-Paspor App Reviews Using Multinomial Naive Bayes,” Journal of Logistics, Informatics and Service Science, vol. 11, no. 10, pp. 311–326, 2024, doi: 10.33168/JLISS.2024.1017.

[4]      O. Dwiyansyah and R. D. Kurnia, “ANALISIS SENTIMEN ULASAN APLIKASI MOBILE JKN MENGGUNAKAN NAIVE BAYES, KNN, DAN SVM BERBASIS SMOTE,” RABIT, vol. 11, no. 1, pp. 349–362, 2026.

[5]      A. Fahrezi and A. Solichin, “Analisis Sentimen Ulasan Aplikasi Mobile Jkn Pada Play Sentiment Analysis of the Jkn Mobile Application Reviews on the Play Store Using the Multinomial Naïve,” SENAFTI, vol. 3, no. September, pp. 1–10, 2024.

[6]      R. Kurniawan et al., “EVALUASI LAYANAN KETENAGAKERJAAN DIGITAL PADA ULASAN APLIKASI SIAPKERJA DI GOOGLE,” JCSAI, vol. 01, no. 03, pp. 1–9, 2026.

[7]      N. F. Patimah, R. Kurniawan, B. Nurhakim, A. P. Putra, and S. Anwar, “ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI QUORA MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES DAN TF-IDF,” JCSAI, vol. 03, no. 01, pp. 01–08, 2026.

[8]      M. M. Rachmatullah, B. Irawan, A. Faqih, D. Pratama, and D. A. Kurnia, “Analisis Komparatif Multinomial Naïve Bayes dan Logistic Regression untuk Klasifikasi Sentimen Ulasan Pengguna Aplikasi TIX ID,” JSI, vol. 13, no. 1, pp. 62–70, 2026, doi: https://doi.org/10.35968/jsi.v13i1.1723.

[9]      A. A. Sulaeman, C. Naya, M. Danny, and M. M. Effendi, “Analisis Tingkat Sentimen Opini Publik Terhadap Kebijakan TV Digital di Platform X Menggunakan Multinomial Naïve Bayes,” Bullerin OF Computer Science Research, vol. 6, pp. 753–762, 2026, doi: 10.47065/bulletincsr.v6i2.951 Analisis.

[10]    P. Rifani, B. Irawan, A. Faqih, D. Pratama, and D. A. Kurniawan, “Sentiment Analysis of Public Opinion on the 2024 President- Elect’s Administration on Twitter using Naïve Bayes,” JAIEA, vol. 5, no. 2, pp. 3428–3252, 2026.

[11]    Bagastian, R. R. Suryono, and Amarudin, “PERBANDINGAN KINERJA MODEL SUPPORT VECTOR MACHINE DAN NAÏVE BAYES UNTUK ANALISIS SENTIMEN SUPER APP POLRI,” RABIT, vol. 11, no. 1, pp. 1962–1976, 2026.

[12]    T. Walasry, “Survey Paper tentang Analisis Sentimen,” KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, vol. 2, no. 1, pp. 201–206, 2022, doi: DOI: 10.1007/s11135-023-01695-8.

[13]    A.-G. Chifu and S. Fournier, “Sentiment Difficulty in Aspect-Based Sentiment Analysis,” mathematics, vol. 11, no. 22, p. 4647, 2023, doi: https://doi.org/10.3390/math11224647.

[14]    A. Palanivinayagam, C. Zi. El-Bayeh, and R. Damasevicius, “Twenty Years of Machine-Learning-Based Text Classification: A Systematic Review,” Algorithms, vol. 16, no. 5, pp. 1–28, 2023, doi: https://doi.org/10.3390/ a16050236.

[15]    S. Redjeki and S. Widyarto, “Comparison of Seven Machine Learning Algorithms in the Classification of Public Opinion,” J.TECH-E, vol. 5, no. 2, pp. 114–149, 2022, doi: DOI: 10.31253/te.v5i1.1046.

[16]    R. K. Dey and A. K. Das, “Modified term frequency-inverse document frequency based deep hybrid framework for sentiment analysis,” Multimed. Tools Appl., vol. 82, no. 21, p. Sentiment Analysis is a highly crucial subfield in, 2023, doi: https://doi.org/10.1007/s11042-023-14653-1.

[17]    S. Sathyanarayanan and B. R. Tantri, “Confusion Matrix-Based Performance Evaluation Metrics,” AJBR, vol. 27, no. 4S, pp. 4023–4031, 2024, doi: https://doi.org/10.53555/AJBR.v27i4S.4345.

[18]    R. Wulandari and A. N. Hidayanto, “Measuring contact tracing service quality using sentiment analysis: a case study of PeduliLindungi Indonesia,” Springer Nature, vol. 58, pp. 1409–1424, 2023, doi: https://doi.org/10.1007/s11135-023-01695-8.

[19]    D. J. Imigrasi, “Direktorat Jenderal Imigrasi,” Direktorat Jenderal Imigrasi. Accessed: Jun. 01, 2026. [Online]. Available: https://www.imigrasi.go.id/profile/visi-dan-misi

[20]    M. R. L. Cahya and E. Y. Hidayat, “Sentiment Analysis and Emotional Reviews of Hospital Services Using Naïve Bayes and Support Vector Machine (SVM,” Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 11, no. 1, pp. 121–129, 2026, doi: DOI : https://doi.org/10.25139/inform.v11i1.11257.

[21]    H. N. Alfina, A. Doewes, and B. Widoyono, “Aspect-Based Sentiment Analysis of Access by KAI Application Reviews Using IndoBERT for Multi-Label Classification Tasks,” JUTIF, vol. 7, no. 1, pp. 286–306, 2026, doi: https://doi.org/10.52436/1.jutif.2026.7.1.5402.