Perpustakaan Digital ITB

Aplikasi POST adalah sebuah aplikasi kasir dan pengelolaan sistem informasi point-of-sales dan pembuatan laporan untuk berbagai jenis usaha. Saat ini, Aplikasi POST jika dibandingkan dengan kompetitor aplikasi kasir sejenis, memiliki nilai rating dan jumlah unduh yang rendah di Google Play Store. Untuk itu, pengembang aplikasi POST memerlukan sebuah usaha untuk meningkatkan performansi aplikasi dari ulasan pengguna dengan memanfaatkan ulasan pengguna untuk mengetahui mengapa aplikasi POST disukai atau tidak disukai pengguna. Pengetahuan tersebut menjadi masukan bagi perusahaan untuk pendukung keputusan operasional ataupun manajerial serta merencanakan langkah-langkah strategis bisnis sehingga meningkatkan daya saing aplikasi. Pada penelitian ini, digunakan metodologi CRISP-DM dengan pendekatan text mining dan natural language processing (NLP) untuk melakukan analisis sentimen dan pemodelan topik ulasan pengguna aplikasi POST dari Google Play Store. Model analisis sentimen tidak dibangun sendiri melainkan menggunakan pre- trained model IndoBERT-Classification dengan akurasi 95% pada data pengujian. Adapun untuk model topik, digunakan model Latent Dirichlet Allocation. Hasil dari pemodelan tersebut kemudian dibuatkan prototipe aplikasi web dengan framework Streamlit dan dijadikan basis pengetahuan bagi model Generative Pretrained from Transformers (GPT) dari OpenAI sebagai alat bantu ekstraksi analisis sentimen untuk manajemen produk, analisis data, dan customer service aplikasi POST. Hasil validasi sistem menunjukkan bahwa sistem prototipe memiliki fungsionalitas yang baik dan dapat diterapkan di perusahaan serta memiliki potensi untuk dikembangkan lebih lanjut.