Pendekatan Metode Kolokasi untuk Text Processing Ulasan Aplikasi Android Surveilans Penyebaran Covid-19 di Indonesia

Authors

  • Moch Yusuf Asyhari Universitas PGRI Madiun
  • Juwari Juwari Universitas PGRI Madiun
  • Estuning Dewi Hapsari Universitas PGRI Madiun
  • Slamet Yulianto Universitas PGRI Madiun

DOI:

https://doi.org/10.19166/isd.v8i1.586

Keywords:

android; data scraping; kolokasi; surveilans; text processing; visualization; word cloud

Abstract

Abstrak – Aplikasi surveilans penyebaran covid-19 di Indonesia telah diberlakukan secara masif sejak surat edaran mendagri tahun 2021 dengan nama Aplikasi Peduli Lindungi. Pencarian sumber masalah paling umum yang menyebabkan aplikasi peduli lindungi mendapatkan penilaian bintang satu oleh penggunanya dapat dilakukan dengan membaca ulasan. Metode yang digunakan meliputi data scraping untuk mengumpulkan data, attribute selection untuk memilih data yang digunakan, text preprocessing untuk membersihkan dan mempersiapkan data, text processing meliputi data sorting, word frequency, dan collocation, serta visualization untuk merepresentasikan hasilnya. Ditemukan 82.265 ulasan dengan bintang satu di google play store. Terdiri dari 73.919 ulasan yang dilengkapi dengan alasan dan sisanya hanya memberikan penilaian bintang satu saja. Data sorting berdasarkan versi aplikasi menunjukkan bahwa tidak semua pengguna menggunakan aplikasi dengan versi yang terbaru. Data sorting berdasarkan thumbsUp menunjukkan bahwa masalah sertifikat, versi aplikasi dengan perangkat lama, serta user experience di formulir tanggal lahir yang paling banyak dikeluhkan oleh penggunanya. Kata-kata yang paling sering muncul di ulasan dengan pembatasan bintang satu diantaranya adalah kata “tidakâ€Â, “aplikasiâ€Â, “bisaâ€Â, “sudahâ€Â, dan “vaksinâ€Â. Kumpulan kata tersebut menjadi lebih bermakna dengan pendekatan metode kolokasi yang ditemukan, seperti “Sudah vaksin, tidak ada, sertifikat vaksinâ€Â. Hasil temuan tersebut lebih mudah dianalisis dengan visualization menggunakan word cloud collocation.

 Kata Kunci: android; data scraping; kolokasi; surveilans; text processing; visualization; word cloud

References

[1] Kementerian Kesehatan RI, “Keputusan Menteri Kesehatan Republik Indonesia Nomor Hk.01.07/Menkes/4641/2021 Tentang Panduan Pelaksanaan Pemeriksaan, Pelacakan, Karantina, Dan Isolasi Dalam Rangka Percepatan Pencegahan Dan Pengendalian Coronavirus Disease 2019 (Covid-19),” vol. 169, no. 4. pp. 308–311, 2021, [Online]. Available: https://covid19.go.id/storage/app/media/Regulasi/2021/Mei/kmk-no-hk0107-menkes-4641-2021-ttg-panduan-pelaksanaan-pemeriksaan-pelacakan-karantina-isolasi-dalam-pencegahan-covid-19-sign.pdf.
[2] S. O. Manullang and I. I. Nurwanty, “Kajian Sosiologi Hukum Budaya Scan Aplikasi Peduli Lindungi Pada Kawasan Publik di Kota Besar,” Binamulia Huk., 2022, doi: 10.37893/jbh.v10i2.631.
[3] Kementerian Dalam Negeri RI, “Surat Edaran Menteri Dalam Negeri tentang Pencegahan dan Penanggulangan COVID-19 Varian Omicron serta Penegakan Penggunaan Aplikasi PeduliLindungi.” 2021, [Online]. Available: https://covid19.go.id/p/regulasi/surat-edaran-mendagri-nomor-4407183sj.
[4] N. Nurhidayati, S. Sugiyah, and K. Yuliantari, “Pengaturan Perlindungan Data Pribadi Dalam Penggunaan Aplikasi Pedulilindungi,” Widya Cipta J. Sekr. dan Manaj., 2021, doi: 10.31294/widyacipta.v5i1.9447.
[5] D. Olivia, S. D. Rosadi, and R. R. Permata, “PERLINDUNGAN DATA PRIBADI DALAM PENYELENGGARAAN APLIKASI SURVEILANS KESEHATAN PEDULILINDUNGI DAN COVIDSAFE DI INDONESIA DAN AUSTRALIA,” DATIN LAW J., 2020, doi: 10.36355/dlj.v1i2.453.
[6] A. M. Pratama and U. K. Pati, “Analysis Principles of Personal Data Protection on COVID-19 Digital Contact Tracing Application: PeduliLindungi Case Study,” Lex Sci. Law Rev., 2021, doi: 10.15294/lesrev.v5i2.50601.
[7] Kurniawati, M. Khadapi, D. Riana, A. Arfian, E. Rahmawati, and Heriyanto, “Public Acceptance of Pedulilindungi Application in the Acceleration of Corona Virus (Covid-19) Handling,” 2020, doi: 10.1088/1742-6596/1641/1/012026.
[8] H. Wijayanto, D. Daryono, and S. Nasiroh, “Analisis Forensik Pada Aplikasi Peduli Lindungi Terhadap Kebocoran Data Pribadi,” J. Teknol. Inf. dan Komun., 2021, doi: 10.30646/tikomsin.v9i2.572.
[9] M. I. Nurmansyah, C. Rosidati, Y. Yustiyani, and N. M. Nasir, “Measuring the Success of PeduliLindungi Application Use for Supporting COVID-19 Prevention: A Case Study among College Students in Jakarta, Indonesia,” Kesmas J. Kesehat. Masy. Nas., vol. 17, no. sp1, pp. 11–16, 2022, doi: 10.21109/kesmas.v17isp1.6057.
[10] E. Haerani and A. Rahmatulloh, “Analisis User Experience Aplikasi Peduli Lindungi untuk Menunjang Proses Bisnis Berkelanjutan,” SATIN - Sains dan Teknol. Inf., vol. 7, no. 2, pp. 01–10, 2021, doi: 10.33372/stn.v7i1.762.
[11] K. L. George, “Analisis Sentimen Review Aplikasi Pedulilindungi Pada Google Play Store Menggunakan NBC,” J. Tek. Inform. Kaputama, 2022.
[12] F. Illia, M. P. Eugenia, and S. A. Rutba, “Sentiment Analysis on PeduliLindungi Application Using TextBlob and VADER Library,” Proc. Int. Conf. Data Sci. Off. Stat., 2022, doi: 10.34123/icdsos.v2021i1.236.
[13] M. R. P. D. M. H. D. P. I. S. Hendry, “Sentiment Analysis of the PeduliLindungi on Google Play using the Random Forest Algorithm with SMOTE,” 2022 Int. Semin. Intell. Technol. Its Appl., pp. 115–119, 2022, doi: 10.1109/ISITIA56226.2022.9855372.
[14] H. Lee, E. B. Noh, S. H. Choi, B. Zhao, and E. W. Nam, “Determining public opinion of the COVID-19 pandemic in South Korea and Japan: Social network mining on Twitter,” Healthc. Inform. Res., 2020, doi: 10.4258/hir.2020.26.4.335.
[15] M. A. Russell, Mining the Social Web - Analyzing Data from Facebook, Twitter, LinkedIn, and Other Social Media Sites. 2011.
[16] A. Strzelecki, “Application of Developers’ and Users’ Dependent Factors in App Store Optimization,” Int. J. Interact. Mob. Technol., 2020, doi: 10.3991/ijim.v14i13.14143.
[17] S. Kabir, “Google Play Store Data Mining and Analysis,” vol. 12, no. 26, pp. 1–5, 2019.
[18] R. M. Amir Latif, M. Talha Abdullah, S. U. Aslam Shah, M. Farhan, F. Ijaz, and A. Karim, “Data scraping from google play store and visualization of its content for analytics,” 2019, doi: 10.1109/ICOMET.2019.8673523.
[19] Y. HaCohen-Kerner, D. Miller, and Y. Yigal, “The influence of preprocessing on text classification using a bag-of-words representation,” PLoS One, 2020, doi: 10.1371/journal.pone.0232525.
[20] M. Shabaz and A. Kumar, “SA sorting: A novel sorting technique for large-scale data,” J. Comput. Networks Commun., 2019, doi: 10.1155/2019/3027578.
[21] B. Bustami, F. Fadlisyah, and G. Alfyansyah, “COMPARISON OF SIMPLE ALGORITHM DATA (SORTING) CONTROL METHODS ON SELECTION AND BUBBLE SORT,” TECHSI - J. Tek. Inform., 2019, doi: 10.29103/techsi.v11i2.1601.
[22] P. S. Mendes, K. Luna, and P. B. Albuquerque, “Word frequency effects on judgments of learning: More than just beliefs,” J. Gen. Psychol., 2021, doi: 10.1080/00221309.2019.1706073.
[23] H. M. Tran and B. Waluyo, “Ereceptive knowledge of nouns and collocations and the impact on English skill performances,” GEMA Online J. Lang. Stud., 2021, doi: 10.17576/gema-2021-2101-08.

Published

2023-02-17