Mengukur Kepuasan Pengguna Aplikasi Layanan Pendidikan Menggunakan Pendekatan Text Mining dan Pengambilan Keputusan Multikriteria

Share on facebook
Share on google
Share on twitter
Share on linkedin
Foto oleh Peru21

Jumlah aplikasi (apps) yang dapat diunduh melalui ponsel atau situs web meningkat pesat, begitu pula dengan jumlah penggunanya. Pada tahun 2021, jumlah aplikasi yang tersedia telah mencapai 4,41 juta. Dua platform aplikasi utama saat ini adalah Google Play dan App Store, dengan kategori aplikasi yang ditawarkan antara lain seni/desain, bisnis, pendidikan, kesehatan, olahraga, cuaca, dll. Selama wabah COVID-19, aplikasi tertentu mencapai jumlah unduhan terbesar, termasuk aplikasi layanan pendidikan. Unduhan dimulai pada kuartal pertama tahun 2020, ketika wabah COVID-19 dimulai di Indonesia dan berlanjut hingga unduhan mencapai 466 juta di Google Play pada kuartal keempat tahun 2020. Google Play memang platform dengan unduhan aplikasi pendidikan tertinggi yang dilaporkan. pada tahun tersebut. Lonjakan unduhan layanan pendidikan kemungkinan besar merupakan hasil dari kerja dan belajar dari rumah.

Dengan banyaknya aplikasi yang tersedia untuk diunduh, pengguna mungkin merasa sulit untuk memilih aplikasi mana yang dapat diandalkan dan sesuai dengan kebutuhan mereka. Ada banyak layanan aplikasi pendidikan yang tersedia seperti Coursera, edX, Khan Academy, LinkedIn Learning, Quipper, Socrates dan Udemy, dapat diunduh di mana saja dan kapan saja. Aplikasi ini membantu siswa menciptakan kolaborasi yang efektif dengan guru dan siswa lain di luar kelas. Itu juga dilengkapi dengan sistem manajemen konten yang kuat dan berbagai materi kursus. Pengembang aplikasi berkolaborasi dengan banyak institusi pendidikan sehingga pengguna akan mendapatkan materi yang relevan dan terkini.

Sebelum mengunduh, pengguna sering membaca ulasan dari pengguna lain untuk memutuskan apakah suatu aplikasi cocok untuk mereka. Ulasan menggambarkan pengalaman pengguna yang bisa lebih komprehensif daripada ulasan peringkat numerik. Ulasan berbasis teks ini memberikan informasi berharga baik bagi pengguna maupun pengembang. Dalam perspektif pengembang, ini dapat membantu mereka meningkatkan standar aplikasi, sedangkan dalam perspektif pengguna, ini dapat membantu mereka membuat keputusan.

Pengguna secara sukarela menulis ulasan asli berdasarkan pengalaman mereka terkait berbagai aspek aplikasi. Namun, karena jumlah ulasan yang banyak, pengguna tidak dapat membaca semua ulasan. Oleh karena itu, mereka sering melihat peringkat keseluruhan dari ulasan numerik meskipun tidak memberikan informasi spesifik tentang kualitas aplikasi. Dari permasalahan tersebut, perlu dikembangkan suatu metode untuk membantu pengguna dalam menganalisis review. Studi sebelumnya telah berfokus pada analisis produk konsumen melalui ulasan untuk mengembangkan sistem pengambilan keputusan. Studi saat ini bertujuan untuk memperluas tubuh literatur dengan memeriksa ulasan pengguna dari aplikasi pendidikan.

Pengambilan keputusan multi kriteria (MCDM) adalah kumpulan algoritma pengambilan keputusan yang membantu orang untuk memutuskan sesuai dengan preferensi mereka. MCDM digunakan ketika ada lebih dari satu alternatif atau lebih dari satu kriteria yang saling bertentangan. Ini sering digunakan ketika berhadapan dengan masalah yang kompleks karena membagi masalah yang kompleks menjadi komponen yang lebih sederhana. Hal ini banyak digunakan di berbagai bidang seperti transportasi, manajemen strategis, manajemen rantai pasokan, manajemen produksi, dan pariwisata. Beberapa metode MCDM adalah TOPSIS, ELECTRE, VIKOR, AHP, dll. Diantara metode MCDM tersebut, VIKOR merupakan salah satu metode pemeringkatan terbaik untuk penelitian ini karena mengkaji proses pemeringkatan dan mempertimbangkan pemeringkatan yang identik untuk beberapa alternatif.

Metode yang diusulkan dalam penelitian ini terdiri dari tiga tahap: pengumpulan dan pra-pemrosesan ulasan teks, penggalian atribut leksikal teks, dan pengukuran kepuasan pengguna terhadap layanan aplikasi pendidikan dari atribut leksikal. Tujuh aplikasi layanan pendidikan dimasukkan dalam penelitian ini. Pertama, kami mengumpulkan data terbaru yang dirayapi dari aplikasi. Data mentah yang dikumpulkan telah diproses sebelumnya untuk mempersiapkannya untuk penambangan teks dan analisis sentimen. Kemudian, kami menggali atribut leksikal dan menggunakan analisis sentimen untuk menentukan polaritas setiap kata. Sentimen negatif dan positif dinilai untuk mengukur kepuasan pengguna dari setiap aplikasi. Akhirnya, kami menimbang skor dengan menggunakan VIKOR.

Dari hasil yang diperoleh, Khan Academy menduduki peringkat pertama sedangkan Quipper menduduki peringkat terakhir. Artinya Khan Academy memiliki kepuasan pengguna yang tinggi, sedangkan Quipper sebaliknya. Namun, penelitian ini memiliki beberapa keterbatasan seperti jumlah aplikasi yang dicakup karena studi kasus hanya tujuh. Meningkatkan jumlah aplikasi akan meningkatkan ketahanan penelitian ini. Jumlah total ulasan yang dirayapi dari situs web hanya 1.400. Mengingat tingginya jumlah ulasan online, jumlah ulasan teks dapat ditingkatkan untuk menangkap tren secara lebih akurat. Selain itu, penelitian masa depan juga akan mendapat manfaat dari menggabungkan ulasan peringkat bintang dan ulasan teks untuk menghasilkan sistem pengukuran yang lebih holistik. Kategori yang dipilih dalam studi saat ini didasarkan pada ISO 9126 sebagai model kualitas untuk sistem e-learning. Itu bisa dibandingkan dengan model kualitas lainnya juga. Terakhir, pendekatan MCDM yang digunakan dalam penelitian ini hanya VIKOR. Penelitian selanjutnya perlu dilakukan untuk melakukan analisis komparatif yang melibatkan metode MCDM lain untuk menguatkan hasil.

Penulis: Nasa Zata Dina, S.Kom., M.Kom., M.Sc

Informasi detail dari riset ini dapat dilihat pada tulisan kami di:

https://online-journals.org/index.php/i-jet/article/view/22939

Nasa Zata Dina, Riky Tri Yunardi, Aji Akbar Firdaus, Nyoman Juniarta (2021). Measuring User Satisfaction of Educational Service Applications using Text Mining and Multicriteria Decision-Making Approach. International Journal of Emerging Technologies in Learning, 16(17): 76-88

Berita Terkait

newsunair

newsunair

https://t.me/pump_upp