Analisis Pengalaman Pengguna Berdasarkan Identifikasi Topik dan HEART Framework pada Aplikasi WeTV

Latar Belakang: WeTV merupakan salah satu aplikasi Video on Demand yang banyak digunakan di Indonesia, dengan jumlah unduhan mencapai lebih dari 100 juta. Meskipun demikian, ulasan pengguna menunjukkan berbagai keluhan, seperti gangguan iklan, subtitle yang tidak muncul, hingga pemotongan saldo VIP secara otomatis. Kondisi ini menunjukkan pentingnya analisis terhadap persepsi pengguna
guna mendukung peningkatan kualitas pengalaman pengguna (User Experience).
Tujuan: Penelitian ini bertujuan untuk menganalisis ulasan pengguna aplikasi WeTV menggunakan metode text mining melalui pemodelan topik Latent Dirichlet Allocation (LDA) dan pendekatan kemiripan kata kunci menggunakan Jaccard Similarity. Hasil analisis kemudian dipetakan ke dalam lima dimensi HEART Framework guna mengidentifikasi pola ulasan serta mengevaluasi kualitas pengalaman pengguna secara menyeluruh.
Metode Penelitian: Sebanyak 9.835 ulasan dikumpulkan dari Google Play Store menggunakan teknik scraping. Analisis dilakukan dalam dua tahap, yaitu pemodelan topik menggunakan LDA dan pemetaan otomatis ke dalam dimensi HEART Framework menggunakan pendekatan Jaccard Similarity. Evaluasi klasifikasi dilakukan menggunakan confusion matrix untuk mengukur akurasi pemetaan.
Hasil: LDA menghasilkan lima topik utama dengan coherence score tertinggi 0,5134. Sebanyak 8.499 ulasan berhasil diklasifikasikan, dengan dimensi Retention sebagai yang paling dominan (21,33%). Model klasifikasi mencapai akurasi sebesar 82%, menunjukkan performa baik dalam pengelompokan ulasan UX.
Kesimpulan: Integrasi metode LDA dan Jaccard Similarity terbukti efektif dalam mengolah ulasan pengguna secara sistematis dan objektif. Pemetaan ke dalam HEART Framework memberikan gambaran komprehensif terhadap aspek-aspek UX yang paling relevan bagi pengguna, serta dapat dijadikan dasar evaluasi dan pengembangan layanan aplikasi berbasis data ulasan pengguna.