Desniari, Ni Gusti Putu Saniskalita (2026) EVALUASI IMPLEMENTASI LAYANAN SAMSAT DIGITAL MELALUI APLIKASI SIGNAL MENGGUNAKAN PENDEKATAN ASPECT-BASED SENTIMENT ANALYSIS. S1 thesis, UNIVERSITAS ATMA JAYA YOGYAKARTA.

Text (COVER)
221711719_Bab 0.pdf

File Pdf (658kB)
Text (BAB I)
221711719_Bab 1.pdf

File Pdf (702kB)
Text (BAB II)
221711719_Bab 2.pdf

File Pdf (636kB)
Text (BAB III)
221711719_Bab 3.pdf
Restricted to Registered users only

File Pdf (812kB)
Text (BAB IV)
221711719_Bab 4.pdf
Restricted to Registered users only

File Pdf (6MB)
Text (BAB V)
221711719_Bab 5.pdf

File Pdf (650kB)

Abstract

Implementasi layanan publik berbasis digital melalui aplikasi Samsat Digital Nasional (SIGNAL)
merupakan bagian dari transformasi e-government untuk meningkatkan efektivitas dan efisiensi
pelayanan pajak kendaraan bermotor. Meskipun aplikasi SIGNAL memberikan kemudahan layanan secara
daring, masih terdapat berbagai keluhan pengguna terkait kendala teknis, seperti gagal login, error
sistem, verifikasi data, dan proses pembayaran yang tercermin dalam ulasan Google Play Store.
Banyaknya data ulasan menyebabkan proses evaluasi manual menjadi kurang efisien sehingga diperlukan
pendekatan analisis otomatis yang mampu mengidentifikasi aspek layanan secara lebih spesifik.
Penelitian ini bertujuan untuk mengevaluasi implementasi layanan SIGNAL menggunakan pendekatan
Aspect-Based Sentiment Analysis (ABSA) dengan metode multi-label classification terhadap 3.623 ulasan
pengguna aplikasi SIGNAL. Data diproses melalui tahapan scraping, preprocessing, exploratory text
analysis, anotasi semi-otomatis, serta representasi fitur menggunakan TF-IDF. Hasil penelitian berhasil
mengidentifikasi lima aspek layanan utama, yaitu login/verifikasi, performa, layanan, pembayaran, dan
kemudahan penggunaan. Model Random Forest menghasilkan performa terbaik dengan nilai label-based
accuracy sebesar 0,901, F1-score micro sebesar 0,746, dan F1-score macro sebesar 0,630. Hasil analisis
menunjukkan bahwa persepsi pengguna terhadap aplikasi SIGNAL cenderung positif dengan distribusi
sentimen sebesar 55,2% positif dan 44,8% negatif

Item Type: Thesis (S1)
Uncontrolled Keywords: aspect-based sentiment analysis; multi-label classification; SIGNAL; analisis sentimen; layanan publik
Subjects: Sistem Informasi
Divisions: Fakultas Teknologi Industri > Sistem Informasi
Date Deposited: 05 Nov 2026 02:49
Last Modified: 05 Nov 2026 02:49
URI: https://repository.uajy.ac.id/id/eprint/38093

Actions (login required)

View Item
View Item