Analisis Sentimen Ulasan Pelanggan pada Platform E-Commerce Menggunakan IndoBERT untuk Mendukung Evaluasi Kualitas Produk

Abstract

Ulasan pelanggan pada platform e-commerce dapat dimanfaatkan untuk memahami persepsi konsumen terhadap kualitas produk. Penelitian ini bertujuan menganalisis sentimen ulasan pelanggan Tokopedia menggunakan IndoBERT serta memanfaatkan hasil klasifikasi untuk mendukung evaluasi kualitas produk. Dataset setelah proses pembersihan terdiri atas 37.180 ulasan dan diberi label berdasarkan rating menjadi sentimen negatif, netral, dan positif. Data dibagi menggunakan stratified sampling dengan proporsi 80% data pelatihan, 10% validasi, dan 10% pengujian. Model IndoBERT dievaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan accuracy sebesar 92,44%, weighted F1-score 92,67%, dan macro F1-score 63,36%. Dari 3.718 data pengujian, 92,33% diklasifikasikan positif, 5,70% netral, dan 1,96% negatif. Sentiment Quality Score (SQS) sebesar 0,9037 menunjukkan persepsi pelanggan yang sangat positif. Kategori olahraga memperoleh SQS tertinggi sebesar 0,9424, sedangkan kategori handphone terendah sebesar 0,7634. Hasil ini menunjukkan bahwa IndoBERT efektif untuk klasifikasi sentimen dan dapat mendukung evaluasi kualitas produk berdasarkan persepsi pelanggan