FINE TUNING INDOBERT UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI TIKET.COM DI GOOGLE PLAY STORE

Abstract

Tiket.com merupakan salah satu platform pemesanan tiket perjalanan terbesar di Indonesia. Ulasan pengguna di Google Play Store dapat memberikan wawasan penting mengenai kepuasan pengguna terhadap layanan aplikasi ini. Namun, analisis manual terhadap ribuan ulasan tidak efisien, sehingga diperlukan pendekatan berbasis machine learning untuk mengklasifikasikan sentimen secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Tiket.com dengan menggunakan model IndoBERT yang telah di fine-tune. Metode yang digunakan meliputi pengumpulan data ulasan melalui web scraping, preprocessing data, serta fine-tuning model IndoBERT menggunakan dataset SmSA dari IndoNLU. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur performa klasifikasi sentimen positif, netral, dan negatif. Hasil menunjukkan bahwa model memiliki akurasi keseluruhan sebesar 91%, dengan F1-score 93% untuk sentimen positif, 94% untuk sentimen negatif, dan 77% untuk sentimen netral, meskipun recall pada kelas netral masih rendah (65%). Dari 10.000 ulasan, mayoritas bersentimen positif (5.271), diikuti negatif (4.022), dan netral (707). Penelitian ini membuktikan efektivitas IndoBERT dalam analisis sentimen berbahasa Indonesia dan dapat digunakan sebagai referensi dalam memahami opini pengguna serta meningkatkan layanan aplikasi.