<![CDATA[Dalam era digital, penggunaan aplikasi layanan publik semakin meningkat seiring dengan kebutuhan masyarakat akan kemudahan akses layanan. Salah satu contohnya adalah aplikasi MyPertamina, yang menjadi syarat utama pembelian BBM bersubsidi sejak Juli 2022. Kebijakan ini mendorong lonjakan jumlah pengguna dan tingginya volume ulasan di Google Play Store. Ulasan-ulasan tersebut mencerminkan berbagai persepsi masyarakat, baik berupa apresiasi maupun keluhan, yang dapat dimanfaatkan untuk mengevaluasi kualitas layanan secara lebih objektif. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi MyPertamina ke dalam tiga kategori, yaitu negatif, netral, dan positif, dengan mengombinasikan algoritma Extreme Gradient Boosting (XGBoost) dan metode representasi teks Word2Vec Embedding. Data dikumpulkan melalui teknik web scraping dan diproses melalui tahapan text preprocessing. Representasi kata dibentuk menggunakan dua pendekatan Word2Vec, yaitu CBOW dan Skip-gram, sebelum diklasifikasikan menggunakan XGBoost. Pengujian dilakukan dalam dua tahap, yaitu baseline dan setelah tuning hyperparameter menggunakan GridSearchCV. Hasil awal menunjukkan bahwa kedua pendekatan menghasilkan akurasi yang sama, yaitu 78%, dengan CBOW lebih baik dalam mengenali sentimen positif dan Skip-gram lebih baik dalam mengenali sentimen negatif dan netral. Setelah tuning, kombinasi Skip-gram dan XGBoost menghasilkan akurasi terbaik sebesar 83%, serta peningkatan nilai precision, recall, dan f1-score. Hasil ini menunjukkan bahwa pendekatan tersebut mampu mengidentifikasi sentimen pengguna secara efektif, dan dapat digunakan untuk mendukung evaluasi layanan publik.]]>
Copyrights © 2025
