Analisis Pengalaman Pengguna Berbasis Ulasan Pengguna Aplikasi Dompet Digital Menggunakan Text Mining

IRMMA DWIJAYANTI, Ir. P. Insap Santosa, M.Sc., Ph.D., IPU.; Dr. Bimo Sunarfri Hantono, S.T., M.Eng.

2022 | Tesis | MAGISTER TEKNOLOGI INFORMASI

Pengalaman pengguna (UX) merupakan representasi langsung dari faktor manusia dalam konteks pengembangan produk dan layanan pada aplikasi mobile, salah satunya aplikasi dompet digital. Kecenderungan penggunaan aplikasi dompet digital kini sudah tidak lagi dalam tahap menerima teknologi baru, sehingga sekedar menyediakan aplikasi saja tidak cukup. Pengembang perlu meningkatkan kualitas UX untuk menjaga loyalitas pengguna. Analisis UX pada produk skala besar seperti dompet digital membutuhkan banyak data dan ruang lingkup yang luas. Penggunaan text mining dapat memudahkan ekstraksi informasi penting data skala besar seperti ulasan pengguna. Dari penelitian-penelitian yang ditemukan, text mining baru digunakan sebatas untuk mengetahui dan membandingkan tingkat pengalaman pengguna tanpa disertai kerangka kerja sebagai acuan untuk identifikasi kualitas UX yang berpusat pada pengguna. Penelitian ini dilakukan dengan memanfaatkan text mining untuk melengkapi HEART framework dalam analisis UX aplikasi dompet digital. Penerapan text mining dilakukan dengan mengombinasikan analisis sentimen dan pemodelan topik. Model klasifikasi SVM yang dibangun memiliki performa akurasi sebesar 89% pada data latih dan 90% pada data uji baru. Oleh karena itu, model tersebut dinyatakan layak untuk klasifikasi sentimen. Data ulasan juga diolah untuk menentukan topik tersembunyi menggunakan pemodelan topik LDA pada 16 topik terbaik. Pengategorian ulasan ke dalam 5 variabel HEART framework ditentukan dengan menghitung similaritas menggunakan algoritme cosim antara ulasan dengan kata kunci yang telah disusun sebelumnya. Performa metode perhitungan cosim memperoleh nilai akurasi 85% sehingga dinyatakan cukup baik untuk melabeli ulasan ke dalam variabel-variabel HEART. Hasil 19261 ulasan yang dikelompokkan berdasarkan topik, sentimen, dan kategori HEART dapat membantu pengembang menganalisis kelebihan dan kekurangan aplikasi secara lebih spesifik yang berpusat pada pengguna.

User experience (UX) is a direct representation of the human factor in the development of products and services on mobile applications, one of which is a digital wallet application. Using a digital wallet app is no longer in the stage of embracing new technology, so simply providing an app is not enough. Developers need to improve UX quality to maintain user loyalty. UX analysis on large-scale products such as digital wallets requires a lot of data and wide scope. The use of text mining can facilitate the extraction of important large-scale data such as user reviews. From the studies found, text mining so far has only been used in a limited way to find out and compare the level of user experience without being accompanied by a framework as a reference to determine the quality of user-centered UX. This research was conducted by utilizing text mining to complement the HEART framework in UX analysis of digital wallet applications. The application of text mining is done by combining sentiment analysis and topic modeling. The SVM classification model built has a performance of 89% on training data and 90% on new test data. Therefore, the model is declared eligible for sentiment classification. The review data is also processed to determine hidden topics using LDA topic modeling on the 16 best topics. The categorization of the review into 5 variables HEART framework is determined by calculating the similarity using the cosim algorithm between reviews and keywords that have been compiled previously. The performance of the cosim calculation method obtained an accuracy value of 85% so was declared good enough to label the review as the HEART variable. The results of 19261 reviews grouped by topic, sentiment, and HEART category can help developers analyze the advantages and disadvantages of more user-centric applications.

Kata Kunci : User experience, pengalaman pengguna, UX, HEART, text mining, dompet digital, pemodelan topik, LDA, analisis sentimen, SVM, cosine similarity.