<![CDATA[Pertumbuhan ekosistem digital mendorong peningkatan volume ulasan aplikasi di platform distribusi perangkat lunak, termasuk PLN Mobile milik PT PLN (Persero). Penelitian ini bertujuan menganalisis sentimen dan mengidentifikasi topik dominan pada ulasan PLN Mobile tahun 2022. Data sebanyak 134.325 ulasan diperoleh melalui web scraping dari Google Play Store, kemudian difilter menjadi 40.043 ulasan relevan. Tahapan meliputi pelabelan sentimen berdasarkan skor ulasan, pra-pemrosesan teks, pemisahan data, serta pembangunan model analisis sentimen menggunakan Logistic Regression. Model dilatih selama 15 epoch dengan representasi fitur TF-IDF dan menghasilkan akurasi 86%, Precision 98%, Recall 85%, dan F1-Score 91%. Selain itu, metode Latent Dirichlet Allocation (LDA) digunakan untuk pemodelan topik dan menghasilkan empat topik utama: Transaksi, Layanan, Aplikasi, dan Pengaduan. Hasil integrasi kedua model menunjukkan proporsi sentimen positif yang dominan pada semua topik, dengan kisaran 85,9%–86,3%. Temuan ini memberikan wawasan strategis bagi PT PLN (Persero) untuk meningkatkan kualitas layanan, kinerja aplikasi, dan respons terhadap pengaduan pelanggan. Kata kunci — Analisis sentimen, Logistic Regression, Latent Dirichlet Allocation, pln mobile]]>
Copyrights © 2025
