<![CDATA[Kinerja aplikasi Kejaksaan Mobile menjadi perhatian dalam mendukung transformasi digital Kejaksaan Republik Indonesia. Aplikasi telah diunduh lebih dari 50 ribu pengguna, namun ulasan yang diberikan menunjukkan tingkat kepuasan yang rendah, tercermin dari rating penilaian di Google Play Store dan App Store sangat rendah. Penelitian ini bertujuan mengevaluasi sentimen pengguna serta mengidentifikasi akar keluhan yang muncul pada ulasan aplikasi. Metode Naïve Bayes digunakan untuk klasifikasi sentimen dengan bantuan teknik resampling, yaitu SMOTE, Oversampling, dan Undersampling, guna menyeimbangkan data. Hasil terbaik diperoleh pada skenario SMOTE dengan rasio 60:40, menghasilkan akurasi 97,87%. Selanjutnya, analisis topik ulasan negatif menggunakan Latent Dirichlet Allocation (LDA) menghasilkan empat topik optimal dengan nilai coherence 0,49. Topik tersebut dipetakan ke aspek Interaction Capability pada standar ISO/IEC 25010:2023, dengan dominasi aspek User Assistance dan Self-descriptiveness. Analisis akar penyebab menemukan masalah utama berupa kegagalan OTP, antrean akses yang tidak jelas, waktu loading lama, serta ketiadaan pesan error maupun panduan perbaikan. Temuan ini menjadi dasar perumusan rekomendasi untuk meningkatkan keandalan proses login, penyediaan petunjuk yang jelas, serta fitur bantuan interaktif guna meningkatkan kualitas dan responsivitas aplikasi.Kata kunci: Kejaksaan Mobile, Naïve Bayes, Latent Dirichlet Allocation (LDA), Root Cause Analysis (RCA), Interaction Capability, ISO/IEC 25010, Cosine Similarity]]>
Copyrights © 2025
