ANALISIS SENTIMEN LAYANAN PUBLIK JOGJA SMART SERVICE BERBASIS TF-IDF DAN LOGISTIC REGRESSION DALAM APLIKASI WEB UNTUK MENINGKATKAN KUALITAS LAYANAN DAN PENGALAMAN PENGGUNA DI YOGYAKARTA

Saputra, Dimas Isya (2026) ANALISIS SENTIMEN LAYANAN PUBLIK JOGJA SMART SERVICE BERBASIS TF-IDF DAN LOGISTIC REGRESSION DALAM APLIKASI WEB UNTUK MENINGKATKAN KUALITAS LAYANAN DAN PENGALAMAN PENGGUNA DI YOGYAKARTA. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text COVER - Dimas Isya.pdf Download (154kB)
	Text ABSTRAK - Dimas Isya.pdf Download (171kB)
	Text HALAMAN PENGESAHAN PEMBIMBING DAN PENGUJI - Dimas Isya.pdf Download (321kB)
	Text DAFTAR ISI - Dimas Isya.pdf Download (512kB)
	Text DAFTAR PUSTAKA - Dimas Isya.pdf Download (239kB)
	Text SKRIPSI_123210143_DIMAS ISYA SAPUTRA - Dimas Isya.pdf Restricted to Repository staff only Download (9MB)

Abstract

Transformasi digital dalam layanan publik mendorong pemerintah daerah untuk
menyediakan layanan yang lebih efisien dan responsif terhadap kebutuhan masyarakat. Jogja
Smart Service (JSS) merupakan aplikasi layanan publik digital yang dikembangkan oleh
Pemerintah Kota Yogyakarta sebagai bagian dari implementasi konsep smart city. Seiring
dengan meningkatnya penggunaan aplikasi ini, masyarakat menyampaikan berbagai ulasan
berupa opini, kritik, dan apresiasi melalui Google Play Store. Ulasan tersebut mengandung
informasi penting mengenai persepsi dan pengalaman pengguna terhadap kualitas layanan
JSS, namun belum dimanfaatkan secara optimal sebagai dasar evaluasi layanan. Oleh karena
itu, diperlukan suatu pendekatan sistematis untuk menganalisis sentimen masyarakat
terhadap layanan JSS guna mendukung peningkatan kualitas layanan dan pengalaman
pengguna secara berbasis data.
Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Jogja Smart
Service menggunakan pendekatan text mining dan machine learning. Data yang digunakan
berupa ulasan pengguna JSS yang tersedia di Google Play Store pada rentang tahun 2020
2025, yang dikumpulkan dan diolah menggunakan lingkungan pemrograman Google Colab.
Proses penelitian meliputi pelabelan sentimen otomatis berbasis aturan, serta tahapan text
preprocessing yang mencakup case folding, text cleaning, emoji conversion, normalisasi
kata, tokenizing, stemming, negation handling, dan stopword removal. Ekstraksi fitur
dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF),
sedangkan klasifikasi sentimen dilakukan dengan algoritma Logistic Regression. Dataset
dibagi menggunakan skema stratified holdout dengan perbandingan 75% data latih dan 25%
data uji. Selain itu, penelitian ini mengembangkan aplikasi web berbasis Python dan
Streamlit dengan metode pengembangan sistem prototyping untuk menampilkan hasil
analisis sentimen.
Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan Logistic Regression
mampu mengklasifikasikan sentimen ulasan pengguna JSS ke dalam kategori positif,
negatif, dan netral dengan performa yang baik berdasarkan metrik akurasi, presisi, recall,
dan F1-score. Aplikasi web yang dikembangkan berhasil menampilkan hasil analisis
sentimen secara informatif melalui visualisasi grafik dan tabel, sehingga memudahkan
pengguna maupun pengelola layanan dalam memahami distribusi sentimen masyarakat.
Penelitian ini memberikan kontribusi berupa model analisis sentimen yang sederhana,
interpretatif, dan mudah diimplementasikan untuk mendukung evaluasi layanan publik
digital berbasis data.
Kata Kunci: Analisis Sentimen, Jogja Smart Service, TF-IDF, Logistic Regression,
Layanan Publik Digital

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Dimas Isya Saputra (Penulis-123210143) ; Frans Richard Kodong (Pembimbing)
Uncontrolled Keywords:	Analisis Sentimen, Jogja Smart Service, TF-IDF, Logistic Regression, Layanan Publik Digital
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	21 Sep 2026 01:42
Last Modified:	21 Sep 2026 01:42
URI:	http://eprints.upnyk.ac.id/id/eprint/49371

Actions (login required)

View Item