Klasifikasi Sentimen Ulasan Pengguna Aplikasi Eiger Adventure di Google Play Store Menggunakan BERT

Abstract

Aplikasi Eiger Adventure sebagai platform digital yang menyediakan layanan dan produk kebutuhan aktivitas luar ruang menerima berbagai ulasan pengguna di Google Play Store yang mencerminkan tingkat kepuasan serta pengalaman pengguna. Namun, jumlah ulasan yang terus meningkat menyebabkan proses analisis secara manual menjadi kurang efektif, memerlukan waktu yang lama, dan berpotensi menghasilkan interpretasi yang subjektif. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Eiger Adventure serta mengevaluasi kinerja model Bidirectional Encoder Representations from Transformers (BERT), khususnya XLM-RoBERTa, dalam mengklasifikasikan sentimen ke dalam kategori positif, netral, dan negatif. Metode penelitian meliputi pengumpulan data melalui teknik web scraping pada Google Play Store sebanyak 801 ulasan, dilanjutkan dengan tahapan preprocessing berupa case folding, cleaning, normalisasi, tokenizing, stopword removal, dan stemming. Data kemudian diberi label berdasarkan skor ulasan, dibagi menjadi data latih dan data uji dengan rasio 80:20, ditokenisasi, dimodelkan menggunakan XLM-RoBERTa, serta dievaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 95,03%, precision 90,31%, recall 95,03%, dan F1-score 92,61%, dengan mayoritas ulasan memiliki sentimen positif. Selain itu, penggunaan GPU menghasilkan waktu pelatihan yang jauh lebih efisien, yaitu sekitar 7 menit dibandingkan 55 menit pada CPU. Temuan ini menunjukkan bahwa model XLM-RoBERTa efektif untuk analisis sentimen berbahasa Indonesia dan dapat dimanfaatkan sebagai dasar evaluasi layanan serta pengambilan keputusan dalam pengembangan aplikasi Eiger Adventure.

GS Cited Analysis