Nabillah Deris Zulaeka (2022) ANALISIS ULASAN PENGGUNA TERHADAP APLIKASI E-GOV MENGGUNAKAN METODE XGBOOST DAN LATENT DIRICHLET ALLOCATION (STUDI KASUS: IDENTITAS KEPENDUDUKAN DIGITAL, SIGNAL, DAN M-PASPOR). Skripsi thesis, Universitas Airlangga.
![[img]](https://repository.unair.ac.id/style/images/fileicons/text.png) |
Text (HALAMAN JUDUL)
082111633089_HALAMAN JUDUL.pdf Download (540kB) |
|
Text (BAB I)
082111633089_BAB I.pdf Download (42kB) |
|
Text (FULLTEXT)
082111633089_FULLTEXT.pdf Restricted to Registered users only Download (2MB) | Request a copy |
Abstract
Pada era digital saat ini, pemerintah terus mendorong optimalisasi digitalisasi guna meningkatkan efektivitas administrasi publik melalui implementasi E-Government. Meskipun demikian, ulasan pengguna terhadap aplikasi-aplikasi E-Government menunjukkan adanya berbagai keluhan dan ketidakpuasan yang mencerminkan masih belum optimalnya pengalaman pengguna. Selain itu, masih terbatas penelitian yang menganalisis persepsi masyarakat terhadap aplikasi tersebut secara sistematis, khususnya dengan mengevaluasi pengaruh proses stemming dalam pemodelan sentimen. Penelitian ini bertujuan untuk menganalisis ulasan pengguna terhadap tiga aplikasi E-Government, yaitu Identitas Kependudukan Digital, SIGNAL–SAMSAT Digital Nasional, dan M-Paspor, serta mengevaluasi pengaruh stemming terhadap akurasi klasifikasi sentimen. Data ulasan dikumpulkan dari Google Play Store dalam rentang waktu 17 Mei 2024 hingga 17 November 2024. Metode yang digunakan mencakup algoritma XGBoost untuk klasifikasi sentimen, Latent Dirichlet Allocation (LDA) untuk pemodelan topik/aspek, dan VADER lexicon untuk analisis polaritas sentimen. Hasil penelitian menunjukkan bahwa penerapan stemming berkontribusi positif terhadap peningkatan akurasi model. Aplikasi Identitas Kependudukan Digital memperoleh akurasi XGBoost sebesar 80,84% (max_depth=4, learning_rate=0,3, max_leaves=3), dengan tiga topik utama: interaction capability, reliability, dan functional suitability. Aplikasi SIGNAL mencapai akurasi 89,48% dengan topik: reliability, interaction capability, dan performance efficiency. Sementara itu, aplikasi M-Paspor mencatatkan akurasi sebesar 73,70% dengan dua topik: reliability dan interaction capability
| Item Type: | Thesis (Skripsi) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | KKC KK S.FST.SI 22 - 25 Nab a | |||||||||
| Uncontrolled Keywords: | E-Government, Sentiment Analysis, XGBoost, Latent Dirichlet Allocation, VADER Lexicon | |||||||||
| Subjects: | J Political Science > JF Political institutions (General) K Law > K Law (General) > K1-7720 Law in general. Comparative and uniform law. Jurisprudence > K(520)-5582 Comparative law. International uniform law > K3440-3460 Civil service. Government officials and employees T Technology > T Technology (General) > T58.5-58.64 Information technology |
|||||||||
| Divisions: | 08. Fakultas Sains dan Teknologi > Sistem Informasi | |||||||||
| Creators: |
|
|||||||||
| Contributors: |
|
|||||||||
| Depositing User: | Ika Rudianto | |||||||||
| Date Deposited: | 07 Oct 2026 07:49 | |||||||||
| Last Modified: | 07 Oct 2026 07:49 | |||||||||
| URI: | http://repository.unair.ac.id/id/eprint/148850 | |||||||||
| Sosial Share: | ||||||||||
Actions (login required)
 |
View Item |