ANALISIS SENTIMEN TEKS INFORMAL PADA ULASAN E-COMMERCE MENGGUNAKAN ARSITEKTUR TRANSFORMER INDOBERT

Kurniawan, Tony,52204110004 and Zahara, Soffa, 0704079101 and Sukmaningtyas, Yanuarini Nur, 0714018304 (2026) ANALISIS SENTIMEN TEKS INFORMAL PADA ULASAN E-COMMERCE MENGGUNAKAN ARSITEKTUR TRANSFORMER INDOBERT. Bachelor thesis, Universitas Islam Majapahit Mojokerto.

	Text ABSTRAK.pdf Restricted to Registered users only Download (532kB) | Request a copy
Preview	Text BAB I.pdf Download (241kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (413kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (4MB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (720kB) | Request a copy
Preview	Text BAB V.pdf Download (203kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (183kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Download (313kB) | Request a copy

Abstract

Pertumbuhan platform e-commerce di Indonesia menghasilkan ulasan pengguna dalam jumlah besar yang memuat informasi penting mengenai kualitas layanan dan kepuasan pengguna. Analisis manual terhadap ulasan tersebut kurang efisien sehingga diperlukan pendekatan berbasis Natural Language Processing (NLP). Penelitian ini bertujuan membandingkan kinerja Naive Bayes dan IndoBERT dalam klasifikasi sentimen ulasan e-commerce berbahasa Indonesia. Dataset terdiri atas 26.103 ulasan aplikasi Tokopedia, Shopee, dan Lazada yang diperoleh dari Google Play Store. Tahapan penelitian meliputi pelabelan sentimen berdasarkan rating, prapemrosesan, pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) pada Naive Bayes, fine-tuning IndoBERT, serta evaluasi menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Naive Bayes memperoleh accuracy sebesar 80,53%, sedangkan IndoBERT mencapai 86,48% dengan Macro F1-Score 0,6515 dan Weighted F1-Score 0,8723. Hasil tersebut menunjukkan bahwa IndoBERT lebih efektif dalam memahami konteks teks berbahasa Indonesia sehingga menghasilkan performa klasifikasi sentimen yang lebih baik.

Actions (login required)

View Item