Perkembangan teknologi informasi telah mendorong transformasi layanan publik di Indonesia, termasuk oleh Kepolisian Negara Republik Indonesia (Polri) melalui aplikasi digitalnya. Namun, sebagai salah satu institusi dengan tingkat interaksi paling krusial dengan masyarakat, tingkat kepuasan publik terhadap kinerja layanannya masih menjadi tantangan yang signifikan. Penelitian ini bertujuan untuk mengevaluasi secara komprehensif kualitas layanan aplikasi Polri Super App dengan menganalisis 15.436 ulasan pengguna dari Google Play Store untuk menghasilkan wawasan yang dapat ditindaklanjuti.
Penelitian ini menerapkan pendekatan metode ganda. Metode pertama adalah Analisis Sentimen Berbasis Aspek (ABSA) yang menggunakan kerangka Service Quality for M-Government (SQ mGov) untuk mengklasifikasikan sentimen pada empat dimensi layanan. Model IndoBERT yang telah di-fine-tune digunakan untuk tugas ini dan berhasil mencapai macro average F1-score sebesar 0.73. Metode kedua adalah pemodelan popik tak terawasi menggunakan BERTopic dengan model embedding firqaaa/indo-sentence-bert-base untuk mengidentifikasi tema-tema yang muncul secara organik dari data.
Hasil kuantitatif dari analisis ABSA menunjukkan adanya dominasi sentimen negatif yang sangat signifikan, di mana dimensi Interactivity dan Authenticity menjadi sumber keluhan utama. Interactivity tercatat sebagai aspek dengan keluhan tertinggi, namun secara menarik juga menjadi aspek yang paling banyak menerima pujian, yang mengindikasikan adanya dualitas dalam pengalaman pengguna terhadap fungsionalitas aplikasi.
Selanjutnya, hasil pemodelan topik berhasil mengungkap akar penyebab dari temuan kuantitatif tersebut. Keluhan pada dimensi Interactivity dijelaskan oleh adanya tema spesifik seperti kegagalan fungsional pada alur pengajuan SKCK. Sementara itu, masalah pada dimensi Authenticity terkonfirmasi melalui topik-topik terkait status pembayaran yang tidak andal dan adanya diskrepansi kritis antara prosedur online dengan layanan fisik di kantor polisi.
Sintesis dari kedua metode ini memberikan pemahaman holistik yang tidak dapat dicapai dengan satu pendekatan tunggal. Penelitian ini berhasil menerjemahkan umpan balik pengguna yang tidak terstruktur menjadi rekomendasi berbasis data yang spesifik. Rekomendasi utama berfokus pada perancangan ulang alur kerja yang memiliki friksi tinggi, peningkatan integrasi sistem untuk menjamin keandalan layanan, dan penguatan infrastruktur backend untuk meningkatkan stabilitas aplikasi.