Aplikasi Cek Bansos Jeblok di App Store Skor Rendah Bikin Penasaran

Aplikasi resmi www cek bansos milik pemerintah seharusnya menjadi angin segar bagi masyarakat yang ingin memantau hak bantuan mereka secara transparan. Namun, realitas digital sering kali tidak seindah narasi di atas kertas, terutama ketika kita melihat performa aplikasinya secara langsung di platform distribusi resmi.

Sebagai seorang reviewer yang kerap membedah efektivitas platform digital publik, saya merasa ada jurang pemisah yang besar antara kebutuhan mendesak masyarakat dan kesiapan infrastruktur aplikasi ini. Aplikasi yang dikembangkan untuk menyasar jutaan pengguna ini justru panen kritik pedas dari masyarakat yang frustrasi saat mencoba mengakses data mereka.

Mari kita langsung melihat fakta keras yang terpampang di toko aplikasi Apple. Pengalaman pengguna yang buruk tercermin sangat jelas dari angka-angka penilaian yang diberikan oleh para pengguna iPhone di Indonesia.

Berdasarkan data resmi di App Store, aplikasi Cek Bansos yang dikelola oleh Kementerian Sosial Republik Indonesia ini hanya mampu mengumpulkan skor rating sebesar 1.5 dari 5 bintang. Angka ini jelas menjadi alarm keras bagi sebuah aplikasi dinas yang memegang peran krusial dalam penyaluran hajat hidup orang banyak.

Kekecewaan ini bukan berasal dari satu atau dua orang saja yang sedang sial. Nilai super rendah tersebut diakumulasikan dari total 298 Ratings yang masuk ke platform tersebut, yang mayoritasnya melayangkan komplain serupa terkait performa teknis.

Identitas Resmi dan Batasan Aplikasi

Secara legalitas dan administrasi, aplikasi ini terdaftar di bawah hak cipta Kementerian Sosial Republik Indonesia (Copyright © 2025). Aplikasi ini dimasukkan ke dalam Kategori Aplikasi bernama Reference dengan Batasan Umur atau Age Rating yang sangat longgar yaitu 4+ Years.

Namun, ada satu aspek teknis yang cukup membingungkan saya dari sisi fungsionalitas distribusi globalnya. Pengaturan Bahasa utama yang tertera di dalam informasi platform justru menggunakan bahasa EN English, alih-alih berfokus penuh pada optimasi bahasa lokal secara menyeluruh.

Analisis Sentimen Berbasis Riset Ilmiah BERT

Keluhan masyarakat di kolom komentar www cek bansos ternyata bukan sekadar polusi visual atau luapan emosi sesaat tanpa dasar. Fenomena tingginya angka ketidakpuasan ini bahkan memicu perhatian kalangan akademisi untuk melakukan pengujian data secara ilmiah dan terstruktur.

Sebuah studi mendalam tertuang dalam jurnal International Journal of Engineering and Computer Science Applications (IJECSA) Vol. 4 No. 1 (2025) yang diterbitkan melalui Garuda - Garba Rujukan Digital di bawah Kementerian Pendidikan Tinggi, Sains, dan Teknologi / kemdiktisaintek.go.id. Riset tersebut berfokus melakukan analisis sentimen ulasan pengguna aplikasi ini menggunakan pendekatan kecerdasan buatan.

Penelitian ilmiah membuktikan bahwa sebagian besar ulasan masyarakat terhadap aplikasi cek bantuan sosial ini didominasi oleh pengalaman digital yang negatif dan penuh kendala teknis.

Dalam metodologinya, para peneliti melakukan fine-tuning terhadap model BERT bahasa Indonesia dengan parameter spesifik. Mereka menggunakan hyperparameters berupa learning rate sebesar $3 \times10^{-6}$, ukuran batch size 16, serta berjalan dalam 9 epochs.

Dataset yang digunakan tidak main-main, yaitu mencakup total 8.000 ulasan pengguna. Data tersebut kemudian dipecah menjadi data training sebanyak 70%, data validation sebesar 20,1%, dan data test sisanya sebesar 9,9%.

Proses penilaian ulasan dalam riset tersebut dikategorikan secara manual oleh tim ahli. Rating 1-2 dikelompokkan sebagai sentimen negatif, rating 3 sebagai netral, sedangkan rating 4-5 masuk ke sentimen positif. Hasil akhirnya, model BERT ini berhasil mencapai tingkat akurasi sebesar 77% dalam memetakan kekecewaan publik.

Komparasi Data Menggunakan Metode Naïve Bayes

Tidak hanya menggunakan model BERT, performa buruk dan ketidakseimbangan respons pada aplikasi www cek bansos ini juga divalidasi oleh tim peneliti lain dari STMIK IKMI Cirebon. Penelitian ini digawangi oleh NoviFirda Aini, Odi Nurdiawan, Tati Suprapti, Arif Rinaldi Dikananda, dan Fathurrohman.

Tim peneliti dari Cirebon ini menggunakan algoritma yang berbeda, yaitu Multinomial Naïve Bayes dan TF-IDF untuk melakukan ekstraksi fitur pada ulasan di Google Play Store. Pendekatan matematika komputasional ini memberikan sudut pandang tambahan yang tidak kalah menarik mengenai performa sistem pelaporan tersebut.

Model algoritma Naïve Bayes yang mereka kembangkan berhasil menghasilkan akurasi yang sedikit lebih tinggi, yakni sebesar 79,5%. Hal yang paling krusial dari riset ini adalah temuan performa recall yang menyentuh angka 0.97 khusus pada kelas negatif.

Angka recall 0.97 yang nyaris sempurna di kelas negatif itu mengonfirmasi bahwa sistem berhasil mengidentifikasi hampir seluruh ulasan kemarahan dan kritik pengguna dengan sangat tepat. Di sisi lain, model ini menunjukkan performa buruk pada kelas netral yang disebabkan oleh masalah data imbalance atau ketidakseimbangan data ulasan yang masuk.

Berikut adalah ringkasan data teknis dan hasil pengujian akademis terhadap performa aplikasi pemantau bantuan sosial tersebut:

Akar Masalah Mengapa Aplikasi Ini Panen Kritik

Melihat angka rating 1.5 di platform iOS dan tingginya persentase sentimen negatif di Android, saya melihat ada pola eror yang berulang. Pengguna sering kali mengeluhkan gagal login, data NIK yang tidak terbaca, hingga antarmuka yang membingungkan saat memverifikasi status kepesertaan mereka.

Bagi masyarakat miskin yang membutuhkan kepastian pencairan, kendala teknis seperti ini bukan sekadar masalah 'bug kosmetik' biasa. Ini adalah masalah akses terhadap hak hidup mereka, di mana aplikasi seluler yang diharapkan memotong jalur birokrasi justru menjadi tembok pembatas baru.

Ketika tautan web www cek bansos dialihkan ke bentuk aplikasi, ekspektasi publik adalah kecepatan. Sayangnya, optimalisasi server dan sinkronisasi basis data di dalam aplikasi ini tampaknya belum sanggup menangani beban akses harian yang masif dari seluruh penjuru Indonesia.

Sisi Minus yang Wajib Dibenahi Pemerintah

Sebagai reviewer, saya harus menegaskan beberapa kekurangan fatal yang membuat aplikasi ini terus-menerus mendapatkan ulasan bintang satu dari masyarakat luas. Poin-poin ini menjadi pekerjaan rumah yang sangat besar bagi tim pengembang di kementerian.

• Infrastruktur server yang sering mengalami kelambatan atau down saat jam-jam sibuk pencairan bantuan.
• Sistem verifikasi OTP (One-Time Password) atau pendaftaran akun yang sering kali gagal terkirim ke nomor pengguna.
• Sinkronisasi data yang lambat antara Data Terpadu Kesejahteraan Sosial pusat dengan tampilan riil di layar aplikasi smartphone.

Kegagalan mengatasi masalah fundamental seperti ini secara terus-menerus hanya akan membuat masyarakat kapok. Pada akhirnya, mereka akan memilih kembali ke metode konvensional atau membanjiri kantor desa setempat untuk sekadar mencari kepastian informasi.

Aplikasi Cek Bansos versi iOS dengan rating 1.5 ini adalah bukti nyata bahwa digitalisasi pelayanan publik tidak boleh dilakukan setengah hati. Pemerintah, khususnya Kementerian Sosial, harus segera melakukan perombakan total pada arsitektur aplikasi ini, memperbaiki manajemen database, dan meningkatkan keandalan server agar platform ini benar-benar bisa diandalkan sebagai instrumen transparansi sosial yang inklusif.