SONYA, TIARA and Bettiza, Martaleli and Efranda, Nolan (2026) PENERAPAN METODE INDOBERT UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI FERIZY DI GOOGLE PLAY STORE. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (COVER) TIARA_SONYA_2101020007_TEKNIK INFORMATIKA_COVER.pdf - Published Version Download (684kB)
	Text (ABSTRAK) TIARA_SONYA_2101020007_TEKNIK INFORMATIKA_ABSTRAK.pdf - Published Version Download (142kB)
	Text (BAB I) TIARA_SONYA_2101020007_TEKNIK INFORMATIKA_BAB I.pdf - Published Version Download (254kB)
	Text (DAFTAR PUSTAKA) TIARA_SONYA_2101020007_TEKNIK INFORMATIKA_DAFTAR PUSTAKA.pdf - Published Version Download (274kB)
	Text (FULL TEKS) TIARA_SONYA_2101020007_TEKNIK INFORMATIKA_FULL TEKS.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Aplikasi Ferizy sebagai layanan pemesanan tiket transportasi laut milik PT ASDP Indonesia Ferry mengalami peningkatan jumlah pengguna yang pesat, sehingga menghasilkan volume ulasan yang besar pada Google Play Store dan menjadikan evaluasi sentimen secara manual tidak lagi efisien untuk data berskala besar. Penelitian ini menerapkan model IndoBERT untuk mengklasifikasikan sentimen positif dan negatif terhadap 8.000 ulasan hasil web scraping. Setelah melalui tahap praproses berupa cleaning, case folding, dan normalisasi serta penghapusan label netral, diperoleh 6.574 data yang didominasi oleh sentimen negatif. Dataset kemudian dibagi dengan rasio 70:10:20 untuk data latih, validasi, dan uji, lalu diseimbangkan menggunakan Random Undersampling (RUS) sehingga menghasilkan 4.964 data dengan distribusi kelas yang seragam. Hyperparameter tuning dilakukan melalui grid search terhadap enam kombinasi learning rate dan batch size, dengan model terbaik dipilih berdasarkan nilai F1-Macro paling tinggi dari data validasi. Hasil pengujian pada data testing menunjukkan model IndoBERT pada (Skenario 1 Data Tidak Seimbang) mencapai akurasi sebesar 94.45%, precision 94,25%, recall 93,92%, dan F1-Macro sebesar 94,08%, sedangkan model IndoBERT (Skenario 2 Data Seimbang) memperoleh akurasi, precision, recall, dan F1-Macro sebesar 93,36%. Penelitian ini menyimpulkan bahwa model IndoBERT efektif dan stabil diterapkan untuk menganalisis sentimen ulasan dalam bahasa Indonesia dengan data berskala besar.

Actions (login required)

View Item