ABSTRAK

Aplikasi Mobile JKN kerap menerima keluhan pengguna terkait masalah
teknis, seperti kegagalan pengiriman OTP dan kesulitan saat login, yang dapat
mengurangi tingkat kepuasan dan kepercayaan pengguna. Untuk menjawab
permasalahan tersebut, penelitian ini menerapkan analisis sentimen menggunakan
teknik web scraping dan machine learning. Sebanyak 21.989 ulasan pengguna
dikumpulkan dari Google Play Store pada periode Januari hingga April 2025
dengan memanfaatkan pustaka google-play-scraper. Data ulasan diproses melalui
tahapan case folding, tokenisasi, penghapusan stopword, normalisasi kata tidak
baku, dan stemming. Ekstraksi fitur dilakukan dengan metode TF-IDF dan data
dibagi menjadi 80% data latih dan 20% data uji. Untuk menyeimbangkan distribusi
kelas, diterapkan teknik undersampling sehingga masing-masing kelas (positif dan
negatif) memiliki 7.005 data. Dua algoritma klasifikasi, yaitu Support Vector
Machine (SVM) dan K-Nearest Neighbor (KNN), digunakan dalam proses
pelatihan dan pengujian. Hasil menunjukkan bahwa SVM menghasilkan performa
terbaik dengan akurasi 0,94 dan skor evaluasi yang seimbang untuk kedua kelas.
Sebaliknya, KNN menunjukkan performa rendah terutama pada kelas negatif.
Dengan demikian, SVM dipilih sebagai model terbaik. Penelitian ini memberikan
kontribusi dalam pemantauan opini pengguna secara otomatis dan menjadi dasar
peningkatan kualitas layanan aplikasi Mobile JKN di masa depan.