Analisis Sentimen Dan Pemodelan Topik Terhadap Aplikasi Pembelajaran Online Pada Platform Google Play (Studi Kasus: Quipper)

Abstract

Kemajuan teknologi informasi dan komunikasi pada era Industri 4.0 telah mengubah metode pengajaran di berbagai lembaga, termasuk melalui aplikasi e-learning seperti Quipper. Quipper memanfaatkan teknologi untuk mendukung pembelajaran. Analisis sentimen ulasan pengguna di Google Play diperlukan untuk memahami persepsi pengguna terhadap aplikasi ini. Penelitian ini menggunakan algoritma K-Nearest Neighbor (KNN) untuk klasifikasi sentimen dan Latent Dirichlet Allocation (LDA) untuk identifikasi topik utama dalam ulasan. Algoritma KNN, dipilih karena kesederhanaannya dan akurasi tinggi, menghasilkan akurasi 84.68%, precision 86.40%, recall 85.87%, dan F1-score 86.09% dengan nilai K terbaik 14. Sebagian besar ulasan bersifat positif (55.1%), menunjukkan kepuasan pengguna terhadap Quipper. Analisis LDA mengidentifikasi topik utama dari ulasan positif dan negatif, yang mengungkap aspek-aspek spesifik yang perlu diperbaiki oleh Quipper untuk meningkatkan kepuasan pengguna.

Kata kunci: Analisis Sentimen, K-NN, LDA, Pemodelan Topik, dan Quipper