Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
Peters Gabriel Silalahi Pengarang Dr. Humuntal Rumapea, M.Kom Dosen Pembimbing 1 ndra M. Sarkis, ST., M.Kom s Dosen Pembimbing 2 Edward Rajagukguk, S.Kom. Ketua Penguji

ABSTRAK Ulasan pengguna pada platform Google Play Store merupakan sumber informasi penting yang mencerminkan pengalaman serta tingkat kepuasan pengguna terhadap suatu aplikasi. Aplikasi MaxRide sebagai salah satu layanan transportasi daring di Indonesia menerima berbagai ulasan kritis yang berisi keluhan dan pengalaman negatif pengguna. Namun, jumlah ulasan yang besar dan berbentuk teks tidak terstruktur menyulitkan proses analisis secara manual, sehingga diperlukan metode komputasi yang sistematis dan objektif. Penelitian ini bertujuan untuk menerapkan metode Non-Negative Matrix Factorization (NMF) dalam mengidentifikasi topiktopik utama pada ulasan kritis pengguna serta menentukan prioritas peningkatan kualitas layanan. Data yang digunakan berupa ulasan pengguna dengan rating 1 hingga 3 bintang yang dikumpulkan melalui teknik web scraping dalam beberapa rentang waktu. Tahapan penelitian meliputi preprocessing teks, representasi numerik menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), pemodelan topik dengan NMF, serta evaluasi menggunakan coherence score tipe c_v. Hasil penelitian menunjukkan bahwa jumlah topik optimal pada seluruh skenario pengujian adalah tiga topik, dengan nilai koherensi yang berbeda dan cenderung meningkat pada rentang waktu terbaru, dengan nilai c_v tertinggi sebesar 0,6199. Topik yang dihasilkan mencakup kendala verifikasi akun dan pengiriman kode OTP, layanan pengemudi serta proses pemesanan dan pembayaran, serta permasalahan pendaftaran dan login aplikasi. Kata kunci: Topic Modeling, Ulasan Pengguna, Non-Negative Matrix Factorization, TF-IDF, Coherence Score c_