Analisis Sentimen Ulasan Aplikasi Tokopedia di Google Play Store Menggunakan Metode Regresi Logistik dan Regresi Logistik dengan Penambahan Fitur Latent Dirichlet Allocation

Abstract

Pesatnya pertumbuhan akses internet di Indonesia telah mendorong perkembangan industri e-commerce secara signifikan, dengan Tokopedia sebagai salah satu platform yang mengalami kemajuan pesat. Aplikasi Tokopedia yang tersedia di Google Play Store menyediakan fitur ulasan pengguna yang menjadi sumber data penting untuk mengevaluasi tingkat kepuasan pelanggan serta mengidentifikasi berbagai permasalahan teknis. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Tokopedia dengan menerapkan metode regresi logistik. Data ulasan dikumpulkan melalui teknik web scraping dari Google Play Store dan diolah melalui tahapan praproses teks sebelum diklasifikasikan ke dalam dua kategori sentimen, yaitu positif dan negatif. Untuk memperkaya model analisis, ditambahkan fitur topik menggunakan pendekatan Latent Dirichlet Allocation (LDA). Hasil penelitian menunjukkan bahwa model regresi logistik tanpa integrasi LDA justru memberikan performa klasifikasi yang lebih baik dibandingkan model yang menggunakan LDA. Temuan ini mengindikasikan bahwa pendekatan regresi logistik murni lebih efektif dalam mengenali pola sentimen pengguna dan dapat dijadikan dasar dalam pengambilan keputusan strategis guna meningkatkan kualitas layanan pada aplikasi Tokopedia.