<![CDATA[Seiring meningkatnya penggunaan aplikasi pencari kerja, ulasan pengguna di platform digital menjadi sumber penting untuk mengevaluasi kualitas layanan. Namun, ulasan tersebut sering kali tidak terstruktur dan mengandung ekspresi kompleks. Penelitian ini menerapkan teknik machine learning untuk mengidentifikasi aspek dominan, serta memahami sentimen dan emosi dalam ulasan aplikasi Glints dan Jobstreet dari Google Play Store. Tiga model dibandingkan, yaitu Support Vector Machine (SVM), Random Forest, dan Multinomial Logistic Regression. Data diperoleh melalui scraping, diproses dengan tahapan preprocessing, dan dianotasi menggunakan LDA dan Generative AI untuk aspek, IndoBERT untuk sentimen, serta NRC Emotion Lexicon untuk emosi. Dataset dibagi dalam rasio 80:20 dan 90:10. Hasil menunjukkan bahwa model terbaik untuk klasifikasi aspek adalah SVM (split 90:10) dengan akurasi 97,67%, untuk sentimen adalah Multinomial Logistic Regression (split 90:10) dengan akurasi 94,49%, dan untuk emosi adalah SVM (split 90:10) dengan akurasi 99,46%. Aspek yang paling dominan adalah Pencarian Kerja, diikuti Pengalaman Pengguna. Sentimen ulasan didominasi oleh sentimen positif, dan emosi yang paling sering muncul adalah bahagia. Penelitian ini membantu mengevaluasi kinerja model dan memahami persepsi pengguna terhadap aplikasi pencari kerja.]]>
Copyrights © 2026
