Analisis Sentimen Berbasis Aspek pada Ulasan Aplikasi Redbus Indonesia: Fine-Tuning Indobert
Tahun 2026 · Penulis: Arif Hendrawan Priliyanto
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/10846
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Analisis Sentimen Berbasis Aspek pada Ulasan Aplikasi Redbus Indonesia: Fine-Tuning Indobert
User reviews dari aplikasi agen perjalanan online berisi informasi tentang kepuasan dan keluhan tentang berbagai layanan. Namun, analisis sentimen umum tidak dapat mengidentifikasi aspek-aspek dinas spesifik yang mendasari evaluasi ini. Penelitian ini bertujuan untuk mengidentifikasi aspek dan sentimen dalam ulasan dari aplikasi RedBus Indonesia, mengevaluasi kinerja IndoBERT setelah penjumlahan-baikan, dan mengimplementasikan hasil klasifikasi pada dasbor berbasis web. Review dikumpulkan dari Google Play Store untuk periode dari 6 Mei 2023, sampai 6 Mei 2026, yang menghasilkan 4.463 ulasan. Notasi manual dilakukan oleh tiga anotator menggunakan skema multi-label yang mencakup tiket, Saluran Informasi, dan Pengalaman Perjalanan. Setelah seleksi data, 1.977 ulasan yang berisi setidaknya satu aspek label digunakan untuk pemodelan. Konsisten notasi dinilai menggunakan Fleiss' Kappa, yang menghasilkan nilai mulai dari 0.6476 sampai 0.7462, menunjukkan kesepakatan substansial. Pemrosesan data termasuk pelipatan kasus, pembersihan, normalisasi, transfer kembali, pemecahan data dengan MultilabelStratifiedShuffleSlit dengan rasio 80:10:10:10, dan tokenisasi menggunakan penyandian IndoBERT dengan panjang urutan maksimum 160 token. Model indobenchmark/indobert-base-p2 kemudian halus-tuning untuk mengklasifikasikan enam aspek-emosi label. Hasil tes mencapai subset akurasi 72.91%, makro presisi 81.09%, makro ingat 87.80%, dan makro F1-score 83,99%. Macro F1-score hampir mendekati nilai validasi terbaik dari 84.01%, menunjukkan kinerja model yang relatif konsisten. Dasbor berbasis Flask berhasil menyajikan klasifikasi untuk ulasan yang telah dimasukkan secara manual dan ulasan Google Play Store, sementara pengujian kotak-hitam menunjukkan bahwa semua fungsi beroperasi sesuai perkiraan. Temuan ini menunjukkan bahwa IndoBERT yang dirujuk dengan baik dapat secara efektif mengklasifikasikan sentimen berbasis aspek dalam ulasan RedBus Indonesia dan menyajikan hasil melalui dashboard informatif.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,867
Tahun 2026 · Penulis: Valentino Hariyanto
Analisis Sentimen Berbasis Topik pada Ulasan Aplikasi Maxim Menggunakan Pendekatan Semisupervised Learning dengan Indobert, Lda, dan Generative Ai Laporan Skripsi
Maxim adalah layanan keliling yang beroperasi di Indonesia sejak Juli 2018. Jumlah pengguna terus bertambah, yang juga meningkatkan jumlah ulasan pada platform seperti Google Play Store dan X (Twitter). Ulasan ini berisi banyak informasi tentang persepsi pengg
- Cosine 0,801
Tahun 2026 · Penulis: Tantra Wahyudi
Implementasi Sistem Deteksi Sentimen Berbasis Aspek untuk Ulasan Smartphone Menggunakan Metode Support Vector Machine (Studi kasus: iPhone 17 Pro)
Pengguna internet Indonesia telah menghasilkan jutaan ulasan smartphone di YouTube, yang sebagian besar ditulis dalam bahasa informal yang sangat tinggi yang berisi singkatan, typos, dan sarkasme, membuat analisis otomatis sangat menantang sistem konvensional.
- Cosine 0,793
Tahun 2026 · Penulis: Fatimah Azzaroh
Analisis Sentimen dan Pemodelan Topik pada Ulasan Penggna Telemedicine Indonesia Menggunakan IndoBERT dan LDA
Peningkatan pemanfaatan layanan telemedicine di Indonesia menghasilkan ulasan pengguna dalam jumlah besar di Google Play Store. Ulasan tersebut berbentuk teks tidak terstruktur sehingga sulit diekstraksi secara manual, sementara penelitian terdahulu pada domai