PELITABANGSAPELITABANGSA

Pelita TeknologiPelita Teknologi

Pertumbuhan e-commerce di Indonesia yang semakin pesat, khususnya pada platform Tokopedia, menghasilkan ulasan pengguna yang besar di Google Play Store dan berpotensi dimanfaatkan sebagai sumber data untuk evaluasi layanan. Penelitian ini bertujuan mengembangkan sentimen otomatis berbasis Natural Language Processing (NLP) terhadap ulasan pengguna dengan memanfaatkan algoritma Logistic Regression dan antarmuka bot pada platform Telegram. Ekstraksi fitur teks dilakukan menggunakan metode TF-IDF, sedangkan proses klasifikasi sentimen menggunakan Logistic Regression. Hasil pengujian menunjukkan model mencapai akurasi rata-rata sebesar 75,89% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,75. Sistem juga mengintegrasikan model BERT lokal dari Hugging Face dan model sentimen hasil pelatihan lokal untuk mendukung klasifikasi sentimen secara real-time melalui bot. Penelitian ini memberikan kontribusi berupa solusi praktis analisis sentimen berbasis bot yang mudah diakses serta menawarkan pendekatan integratif antara metode NLP konvensional dan model AI generatif modern.

Penelitian ini menunjukkan bahwa analisis sentimen pada ulasan pengguna Tokopedia di Google Play Store dapat dilakukan secara efektif menggunakan kombinasi TF–IDF dan Logistic Regression.Model berhasil membedakan sentimen positif dan negatif dengan akurasi 0,75 dan F1-score 0,78, meskipun performa pada kelas netral lebih rendah akibat ekspresi yang ambigu.Integrasi model ke dalam bot Telegram memungkinkan klasifikasi sentimen secara real-time, memudahkan interaksi pengguna, dan mendukung pengambilan keputusan berbasis data.

Penelitian selanjutnya dapat difokuskan pada pengembangan model analisis sentimen yang lebih mampu menangkap nuansa bahasa dan konteks implisit dalam ulasan pengguna, misalnya dengan memanfaatkan model transformer yang lebih canggih seperti BERT atau variannya yang telah dilatih khusus untuk bahasa Indonesia. Selain itu, eksplorasi penggunaan teknik augmentasi data dapat dilakukan untuk mengatasi masalah ketidakseimbangan kelas dalam dataset ulasan, terutama untuk meningkatkan akurasi klasifikasi sentimen netral. Terakhir, penelitian dapat diperluas dengan mengintegrasikan analisis sentimen dengan data lain seperti rating pengguna, data transaksi, atau data demografis untuk mendapatkan pemahaman yang lebih komprehensif tentang perilaku dan preferensi pengguna Tokopedia, sehingga dapat memberikan rekomendasi yang lebih personal dan relevan.

  1. Text Mining Application With K-Means Clustering to Identify Sentiments and Popular Topics: A Case Study... doi.org/10.47738/jads.v4i4.134Text Mining Application With K Means Clustering to Identify Sentiments and Popular Topics A Case Study doi 10 47738 jads v4i4 134
  2. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. perbandingan metode tf abs idf klasifikasi teks... doi.org/10.29207/resti.v5i5.3403Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i perbandingan metode tf abs idf klasifikasi teks doi 10 29207 resti v5i5 3403
  3. Analisis Sentimen Pada Ulasan Produk Dengan Metode Natural Language Processing (NLP) : (Studi Kasus Zalika... journal.stekom.ac.id/index.php/elkom/article/view/1680Analisis Sentimen Pada Ulasan Produk Dengan Metode Natural Language Processing NLP Studi Kasus Zalika journal stekom ac index php elkom article view 1680
Read online
File size1.04 MB
Pages6
DMCAReport

Related /

ads-block-test