<![CDATA[Dalam era digital, layanan administrasi kependudukan mengalami transformasi dengan hadirnya aplikasi Identitas Kependudukan Digital (IKD), yang dikembangkan oleh Ditjen Dukcapil untuk menggantikan KTP fisik dalam berbagai transaksi. Namun, sejak peluncurannya di Google Play Store, aplikasi ini menerima berbagai ulasan dari pengguna, yang mencerminkan pengalaman mereka terhadap layanan yang diberikan. Ulasan ini dapat menjadi indikator penting dalam mengevaluasi kualitas aplikasi, tetapi analisis manual terhadap ribuan ulasan sangat tidak efisien. Oleh karena itu, diperlukan metode otomatis yang mampu mengkategorikan opini pengguna secara akurat. Penelitian ini menerapkan analisis sentimen menggunakan model Bidirectional Encoder Representations from Transformers (BERT) untuk mengklasifikasikan 15.000 ulasan pengguna ke dalam kategori positif, netral, atau negatif. Teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan untuk menyeimbangkan distribusi kelas sentimen. Model dilatih dengan fine-tuning pada IndoBERT menggunakan batch size 16, learning rate 2e-5, dan epoch 10. Hasil evaluasi menunjukkan akurasi 84,69%, yang lebih unggul dibandingkan metode tradisional seperti Naïve Bayes dan SVM. Studi ini memberikan wawasan bagi pengembang dalam meningkatkan layanan aplikasi berdasarkan opini pengguna, serta menegaskan keunggulan BERT dalam analisis sentimen berbahasa Indonesia.]]>
Copyrights © 2025
