ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP ULASAN APLIKASI BRIMO PADA GOOGLE PLAY STORE MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (IndoBERT)

Prabowo, Alvito Aryo (2024) ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP ULASAN APLIKASI BRIMO PADA GOOGLE PLAY STORE MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (IndoBERT). Other thesis, UPN "Veteran" Yogyakarta.

	Text Skripsi Full Alvito Aryo Prabowo - 123200158.pdf Restricted to Repository staff only Download (6MB)
	Text Abstrak.pdf Download (467kB)
	Text Cover.pdf Download (147kB)
	Text Lembar Pengesahan Penguji.pdf Download (266kB)
	Text Lembar Pengesahan Pembimbing.pdf Download (275kB)
	Text Daftar Isi.pdf Download (208kB)
	Text Daftar Pustaka.pdf Download (1MB)

Abstract

Pesatnya perkembangan aplikasi mobile banking seperti BRIMO menghadirkan
tantangan dalam memahami sentimen pengguna terkait berbagai aspek seperti keamanan,
kemudahan penggunaan, dan manfaat aplikasi. Penelitian ini mengangkat permasalahan
tentang bagaimana menganalisis sentimen berbasis aspek dari ulasan pengguna aplikasi
BRIMO di Google Play Store secara efektif, serta mengevaluasi performa model
Bidirectional Encoder Representations from Transformers (IndoBERT) dalam
mengklasifikasikan sentimen dan aspek ulasan-ulasan tersebut.
Metode yang digunakan adalah pendekatan deep learning dengan model IndoBERT.
Data yang digunakan berupa 7.797 ulasan aplikasi BRIMO yang diambil dari Google Play
Store, kemudian melalui proses pembersihan, pelabelan sentimen dan aspek, serta
pembagian data latih dan uji. Penelitian ini juga melakukan eksperimen tambahan untuk
mengevaluasi dampak penggunaan tanda baca dan tanpa lowercase terhadap performa model.
Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score.
pada penelitian ini menunjukkan bahwa model IndoBERT mampu mencapai akurasi
sebesar 81% untuk klasifikasi sentimen dan 98% untuk klasifikasi aspek. Pada klasifikasi
sentimen, nilai precision, recall, dan F1-score masing-masing sebesar 0.82, 0.81, dan 0.81,
sedangkan untuk klasifikasi aspek mencapai 0.97, 0.98, dan 0.98. Kemudian untuk
eksperimen menunjukkan bahwa penggunaan tanda baca dan tanpa lowercase memiliki
dampak yang signifikan terhadap kinerja model, di mana performa terbaik dicapai saat data
diolah tanpa penghapusan tanda baca dan lowercase pada data yang kecil.
Secara keseluruhan penelitian ini menunjukkan bahwa IndoBERT efektif dalam
mengklasifikasikan sentimen dan aspek ulasan aplikasi BRIMO, serta memberikan wawasan
berharga yang dapat digunakan oleh pengembang aplikasi untuk meningkatkan kualitas
layanan berdasarkan masukan pengguna.
Kata kunci: IndoBERT, Analisis Sentimen, Ulasan Aplikasi BRIMO, Klasifikasi Aspek,
Eksperimen Tanda Baca

Item Type:	Thesis (Other)
Uncontrolled Keywords:	IndoBERT, Analisis Sentimen, Ulasan Aplikasi BRIMO, Klasifikasi Aspek, Eksperimen Tanda Baca.
Subjects:	H Social Sciences > H Social Sciences (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	23 Oct 2024 06:45
Last Modified:	23 Oct 2024 06:45
URI:	http://eprints.upnyk.ac.id/id/eprint/41454

Actions (login required)

View Item