<![CDATA[Perkembangan teknologi informasi telah mendorong transformasi layanan publik ke arah digital, termasuk melalui pemanfaatan aplikasi mobile untuk meningkatkan efisiensi dan kemudahan akses bagi masyarakat. Salah satu inovasi layanan digital tersebut adalah aplikasi JMO (Jamsostek Mobile) yang dikembangkan oleh BPJS Ketenagakerjaan. Banyaknya ulasan yang diberikan pengguna pada Google Play Store dapat dimanfaatkan sebagai sumber informasi untuk mengukur tingkat kepuasan serta persepsi pengguna terhadap kualitas aplikasi. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis sentimen pengguna aplikasi JMO melalui pendekatan analisis sentimen menggunakan algoritma Naïve Bayes. Data yang digunakan berupa 1.000 ulasan pengguna yang diperoleh dari Google Play Store melalui proses web scraping menggunakan Python dan Google Play Scraper. Tahapan penelitian mencakup preprocessing data, pelabelan sentimen berdasarkan rating bintang, ekstraksi fitur menggunakan metode TF-IDF, proses klasifikasi dengan algoritma Naïve Bayes, serta evaluasi performa model menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa sentimen negatif lebih mendominasi dibandingkan sentimen positif dan netral. Sebagian besar ulasan negatif berkaitan dengan permasalahan teknis, seperti error sistem, kendala login, OTP yang tidak diterima, serta performa aplikasi yang lambat. Sebaliknya, ulasan positif umumnya menyoroti kemudahan penggunaan layanan dan fitur-fitur yang membantu pengguna. Berdasarkan hasil pengujian, model Naïve Bayes menghasilkan nilai accuracy sebesar 86%, precision sebesar 84%, recall sebesar 85%, dan F1-score sebesar 84%. Temuan ini menunjukkan bahwa algoritma Naïve Bayes memiliki kinerja yang cukup baik dalam mengklasifikasikan sentimen pada ulasan aplikasi mobile. Hasil penelitian diharapkan dapat menjadi referensi dalam pengembangan studi analisis sentimen sekaligus memberikan masukan bagi pengembang aplikasi untuk meningkatkan kualitas layanan digital yang diberikan. ]]>
Copyrights © 2026
