Ulasan pelanggan PLN Mobile pada Google Play Store memuat informasi mengenai pengalaman pengguna, gangguan aplikasi, fitur, dan layanan kelistrikan, tetapi sebagian besar disajikan dalam bentuk teks tidak terstruktur sehingga keterkaitan antar informasi sulit dianalisis secara sistematis. Penelitian ini bertujuan merancang ontologi dan membangun Domain Knowledge Graph pengaduan layanan kelistrikan sebagai Knowledge Base, serta memanfaatkannya untuk memberikan konteks pada analisis sentimen ulasan pelanggan PLN Mobile. Data penelitian berupa 202.532
ulasan berbahasa Indonesia periode Januari 2020-Desember 2024 yang merupakan data sekunder dari penelitian Fauzan Fuadi Pasaribu (2025). Menggunakan pendekatan kuantitatif dengan metode Cross Industry Standard Process for Data Mining (CRISP-
DM) melalui tahapan text preprocessing, Ontology Modeling, Entity Extraction berbasis kamus, Rule-Based Relation Extraction, RDF Triple Construction, implementasi Knowledge Graph menggunakan Neo4j, evaluasi ekstraksi, dan analisis
sentimen berbasis konteks. Ontology dibangun atas empat kelas utama, yaitu Aplikasi, Gangguan_Aplikasi, Fitur_Aplikasi, dan Layanan_Kelistrikan. Evaluasi Entity
Extraction menghasilkan precision 88,00%, recall 85,44%, dan F1-score 86,70%, sedangkan Relation Extraction memperoleh precision 84,00%, recall 87,50%, dan F1-score 85,71%. Pada analisis sentimen, Multinomial Naive Bayes memperoleh accuracy92,40% dan macro F1-score 57,43%, sedangkan Random Forest memperoleh accuracy 87,84% dan macro F1-score 61,20%; berdasarkan macro F1-score, Random Forest dipilih sebagai model yang lebih seimbang terhadap ketiga kelas sentimen.
Integrasi sentimen dengan ontologi menunjukkan proporsi sentimen negatif tertinggi pada Gangguan_Aplikasi sebesar 59,83% dan Fitur_Aplikasi sebesar 55,77%, dibandingkan Layanan_Kelistrikan sebesar 17,55% dan Aplikasi sebesar 9,00%. Hasil penelitian menunjukkan bahwa Knowledge Graph berbasis ontologi mampu mengubah ulasan tidak terstruktur menjadi representasi pengetahuan semantik dan memberikan
konteks yang lebih terarah terhadap hasil analisis sentimen pelanggan PLN Mobile.