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 2_Cover_123200158_Alvito Aryo Prabowo.pdf Download (147kB)
	Text 3_Abstrak_123200158_Alvito Aryo Prabowo.pdf Download (467kB)
	Text 4_Halaman Pengesahan_123200158_Alvito Aryo Prabowo.pdf Download (541kB)
	Text 5_Daftar Isi_123200158_Alvito Aryo Prabowo.pdf Download (208kB)
	Text 6_Daftar Pustaka_123200158_Alvito Aryo Prabowo.pdf Download (1MB)
	Text 1_Skripsi full_123200158_Alvito Aryo Prabowo.pdf Restricted to Repository staff only Download (6MB)

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
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Eko Suprapti
Date Deposited:	14 Apr 2025 02:04
Last Modified:	14 Apr 2025 02:04
URI:	http://eprints.upnyk.ac.id/id/eprint/42357

Actions (login required)

View Item