View/Open

Author
RATU, KEISHA JASMINE DEANOVA

Date Published
25 Jun 2026

Advisor
Luluk Muthoharoh, S.Si., M.Si.,
Yustida Bellini, M.Kom,

Subject
Sains Data

Publisher

Perkembangan teknologi finansial mendorong meningkatnya penggunaan aplikasi e-wallet sebagai sarana transaksi digital di Indonesia. Ulasan pengguna pada Google Play Store menjadi sumber informasi yang merepresentasikan pengalaman, keluhan, dan persepsi pengguna terhadap layanan e-wallet. Namun, besarnya jumlah ulasan dan sifatnya yang tidak terstruktur menyebabkan diperlukan metode analisis teks yang mampu mengidentifikasi topik utama secara otomatis. Penelitian ini bertujuan menentukan parameter optimal model Latent Dirichlet Allocation (LDA), menganalisis performa model, serta membandingkan topik ulasan pengguna aplikasi GoPay, DANA, dan ShopeePay. Tahapan penelitian meliputi preprocessing, pembentukan dictionary dan corpus, pemodelan LDA, serta evaluasi menggunakan coherence score (Cv), NPMI, perplexity, dan Rank-Biased Overlap (RBO). Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada 4 topik untuk GoPay, 7 topik untuk DANA, dan 8 topik untuk ShopeePay. Dataset DANA memperoleh nilai Cv tertinggi sebesar 0,5938, GoPay memiliki stabilitas topik tertinggi dengan nilai RBO sebesar 0,5052, sedangkan ShopeePay memperoleh nilai NPMI tertinggi sebesar 0,0439. Hasil penelitian menunjukkan bahwa metode LDA efektif dalam mengidentifikasi dan membandingkan topik utama pada ulasan pengguna aplikasi e-wallet.

URI
https://repo.itera.ac.id/depan/submission/SB2606230090

Keyword
Coherence Score E-Wallet Google Play Store Latent Dirichlet Allocation Topic Modeling Ulasan Pengguna