ANALISIS SENTIMEN BERBASIS ASPEK: EFEKTIVITAS APLIKASI SIGNAL TERHADAP PEMBAYARAN PAJAK KENDARAAN BERMOTOR MELALUI PENDEKATAN DUNCAN
Keywords:
Samsat Digital Nasional; SIGNAL; Analisis Sentimen Berbasis Aspek; Efektivitas Duncan; Pajak Kendaraan Bermotor; Pelayanan Publik Digital; Integrasi Data; Stabilitas Aplikasi; Ulasan Pengguna.ata Kelola Kolaboratif; Desain Kelembagaan; Program Desa DevisaAbstract
Penelitian ini bertujuan untuk menilai efektivitas aplikasi Samsat Digital Nasional (SIGNAL) dalam mendukung pelayanan pembayaran Pajak Kendaraan Bermotor (PKB) melalui Analisis Sentimen Berbasis Aspek (Aspect-Based Sentiment Analysis) dan pendekatan efektivitas Duncan. Data penelitian diperoleh dari 5.000 ulasan pengguna Play Store dan 500 ulasan App Store yang dikumpulkan melalui teknik scraping pada 11 November 2025. Hasil penelitian menunjukkan bahwa efektivitas aplikasi SIGNAL lebih tinggi pada perangkat Android, sedangkan pada perangkat iOS efektivitasnya masih rendah. Pada Android, sentimen positif lebih dominan pada seluruh aspek. Sebaliknya, pengguna iOS menunjukkan dominasi sentimen negatif yang disebabkan oleh gangguan teknis, kegagalan proses registrasi, ketidakstabilan fitur, dan lemahnya integrasi data. Analisis menunjukkan bahwa aspek integrasi merupakan dimensi dengan sentimen negatif tertinggi pada kedua platform. Penelitian ini merekomendasikan peningkatan stabilitas aplikasi, optimalisasi integrasi data lintas instansi, serta penyederhanaan proses registrasi untuk meningkatkan efektivitas layanan digital sesuai dengan tujuan kebijakan publik.
Downloads
References
Ferianata, L., & Zubaidah, E. (2025). Efektivitas Aplikasi Mobile SIGNAL Dalam Peningkatan Pelayanan Di Samsat Kota Duri. Journal of Public Administration Review, 2(1), 392–412.
Harwenda, R. (2025). Sentiment analysis on government public policies: A systematic literature review. Dinasti International Journal of Education Management and Social Science, 6(1), 45–58.
Kemenkeu, D. (2024). Pajak Daerah dan Retribusi Daerah: Pilar Kemandirian Keuangan dan Pembangunan Ekonomi Daerah.
Kirana, A. S., Roeswidiah, R., & Pudoli, A. (2025). ANALISIS SENTIMEN PADA MEDIA SOSIAL TERHADAP LAYANAN SAMSAT DIGITAL NASIONAL. 8, 53–63.
Kirana, D., Prasetyo, A., & Rahman, T. (2025). Aspect-based sentiment analysis on public service applications: Evidence from SIGNAL Indonesia. Journal of Digital Governance, 12(3), 44–59.
Koto, F., & Rahmaningtyas, G. (2017). Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs. International Conference on Asian Language Processing, 391–394. https://doi.org/10.1109
Muzaqqi, F., & Fitrianto, H. (2023). Comparison of e-government acceleration in five regions: Case studies following the issuance of Perpres 95/2018. Jurnal Manajemen Kebijakan Publik, 5(2), 99–113.
Pradnyana, G., Darmawiguna, I, G., & Wijaya, I, N. (2020). Data Mining: Menemukan Pengetahuan dalam Data. Rajagrafindo Persada.
Purnamasari, D., Wulandari, D., & Safrila, M. (2023). Pengantar Metode Analisis Sentimen. Gunadarma Penerbit.
Puspha, M. (2024). Digital Governance Transforming Public Service. Academic Guru Publishing House.
Rahmadi, S. (2025). Efektivitas Layanan Pembayaran Pajak Tahunan Kendaraan Bermotor Berbasis Digital: Studi Aplikasi Signal Di Kantor Samsat Depok. Universitas Nasional.
Rahman, I. F., Hasanah, A. N., Heryana, N., Karawang, U. S., Timur, T., & Barat, J. (2024). ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI SAMSAT DIGITAL NASIONAL ( SIGNAL ) DENGAN. 12(2), 963–969.
Rahmatullah, R., Putra, A., & Nabila, S. (2025). A study of user satisfaction and net benefits in Indonesia’s e-government systems. Smart and Sustainable Systems, 5(1), 101–120.
Setiawan, M. A. (2024). Digital governance of toll road traffic services in Indonesia. Jurnal Manajemen Pemerintahan, 13(2), 25–37.
Sinulingga, E. (2025). Inovasi Manajemen Elektronifikasi Transaksi Pemerintah Daerah ( ETPD ). 9, 17–28.
Sutrisno, E. (2024). Digital Divide: How is Indonesian Public Service Affected? Jurnal Pendidikan Dan Ilmu Sosial, 10(3), 211–225.
Yusuf, K. K., Ogbuju, E., Abiodun, T., & Oladipo, F. (2024). A Technical Review of the State-of-the-Art Methods in Aspect-Based Sentiment Analysis. Journal of Computing Theories and Applications, 1(3), 287–298.
