<![CDATA[Perkembangan layanan digital mendorong operator seluler menyediakan aplikasi mobile sebagai sarana utama dalam memberikan pelayanan mandiri (self-service) kepada pengguna. Salah satu platform yang digunakan secara luas di Indonesia adalah aplikasi MyXL. Namun, fluktuasi kualitas pemeliharaan sistem sering kali memicu ragam keluhan yang tercermin dalam ulasan di Google Play Store. Penelitian ini bertujuan untuk memetakan polaritas sentimen pengguna terhadap kualitas aplikasi MyXL melalui pendekatan Text Mining menggunakan metodologi Knowledge Discovery from Data (KDD). Dataset penelitian mencakup 4.655 ulasan pengguna aktif berbahasa Indonesia yang berhasil dikumpulkan melalui teknik web scraping. Data teks mentah tersebut kemudian diproses melalui tahapan preprocessing terstruktur, pelabelan kelas sentimen berbasis leksikon, serta ekstraksi fitur (vektorisasi teks) menggunakan metode pembobotan Term Frequency - Inverse Document Frequency (TF-IDF). Selanjutnya, Algoritma Naïve Bayes Classifier diimplementasikan untuk mengklasifikasikan sentimen pengguna ke dalam kategori positif dan negatif. Hasil eksperimen menunjukkan bahwa sentimen pengguna didominasi secara signifikan oleh sentimen negatif sebanyak 3.892 ulasan. Berdasarkan analisis kategori ulasan, keluhan terbesar berkaitan erat dengan kendala infrastruktur jaringan dan performa aplikasi yang lambat. Evaluasi pengujian model menggunakan Confusion Matrix menghasilkan tingkat akurasi yang tinggi sebesar 85,28%. Penelitian ini berkontribusi memberikan rujukan empiris performa klasifikasi teks sekaligus menjadi bahan evaluasi teknis bagi pihak pengembang untuk meningkatkan kualitas layanan aplikasi MyXL di masa depan.]]>
Copyrights © 2026
