Analisis Sentimen Pengguna Aplikasi Mobile Berbasis Review Pada Platform Blibli Menggunakan Metode Bidirectional Encoder Representations From Transformers (BERT)

Rahman, Rafli Daffa and Ir. Nanang Yudi Setiawan, S.T., M.Kom. and Dr.Eng.Fitra Abdurrachman Bachtiar, S.T., M.Eng. (2024) Analisis Sentimen Pengguna Aplikasi Mobile Berbasis Review Pada Platform Blibli Menggunakan Metode Bidirectional Encoder Representations From Transformers (BERT). Sarjana thesis, Universitas Brawijaya.

Abstract

Platform e-commerce semakin berkembang, dengan kebutuhan untuk memahami pengalaman dan kepuasan pengguna melalui analisis ulasan. Blibli, sebagai salah satu platform e-commerce terkemuka di Indonesia, menyediakan berbagai produk dan layanan, menjadikannya relevan untuk dievaluasi berdasarkan persepsi pengguna. Penelitian ini berfokus pada analisis sentimen ulasan pengguna Blibli untuk tiga aspek utama: usable, valuable, dan credible. Dalam penelitian ini, dilakukan proses preprocessing data teks, pelabelan aspek menggunakan metode KMeans clustering yang dikombinasikan dengan model BERT base uncased, serta pengujian performa model melalui konfigurasi hyperparameter seperti learning rate dan batch size. Hasil pengujian menunjukkan bahwa aspek credible memiliki tingkat sentimen positif tertinggi sebesar 86,4%, diikuti oleh aspek valuable dengan 92,3% ulasan positif. Namun, aspek usable menunjukkan distribusi yang lebih seimbang, dengan 53,7% ulasan positif dan 46,3% ulasan negatif. Konfigurasi terbaik untuk model BERT diperoleh dengan learning rate sebesar 5e−6 dan batch size sebesar 128, menghasilkan akurasi tertinggi sebesar 0.9727, F1-score sebesar 0.9646, dan nilai loss terendah sebesar 0.1328. Kombinasi ini memungkinkan model untuk mencapai keseimbangan optimal antara stabilitas, akurasi, dan kemampuan generalisasi terhadap data baru.

English Abstract

E-commerce platforms are evolving, with a growing need to understand user experiences and satisfaction through review analysis. Blibli, as one of Indonesia's leading e-commerce platforms, offers a wide range of products and services, making it relevant for evaluation based on user perceptions. This study focuses on sentiment analysis of Blibli user reviews for three main aspects: usable, valuable, and credible. The research involved text data preprocessing, aspect labeling using a combination of KMeans clustering and the BERT base uncased model, as well as performance testing through hyperparameter configurations such as learning rate and batch size. The test results revealed that the credible aspect had the highest positive sentiment rate at 86.4%, followed by the valuable aspect with 92.3% positive reviews. However, the usable aspect showed a more balanced distribution, with 53.7% positive and 46.3% negative reviews. The optimal configuration for the BERT model was achieved with a learning rate of 5e−6 and a batch size of 128, yielding the highest accuracy of 0.9727, F1-score of 0.9646, and the lowest loss value of 0.1328. This combination provided a balance between stability, accuracy, and generalization capability for new data.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	analisis sentimen, ulasan pengguna, BERT, KMeans clustering, learning rate, batch size, usable, valuable, credible.
Divisions:	Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User:	S Sucipto
Date Deposited:	20 Feb 2025 01:49
Last Modified:	20 Feb 2025 01:49
URI:	http://repository.ub.ac.id/id/eprint/237170

Text (DALAM MASA EMBARGO) Rafli Daffa Rahman.pdf Restricted to Registered users only Download (2MB)

Actions (login required)

View Item