ANALISIS SENTIMEN ULASAN APLIKASI SIGNAL-SAMSAT DIGITAL NASIONAL MENGGUNAKAN METODE INDOBERT PADA GOOGLE PLAY STORE

Nugraha, Farhan (2025) ANALISIS SENTIMEN ULASAN APLIKASI SIGNAL-SAMSAT DIGITAL NASIONAL MENGGUNAKAN METODE INDOBERT PADA GOOGLE PLAY STORE. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (181kB)
	Text BAB II.pdf Restricted to Registered users only Download (377kB)
	Text BAB III.pdf Restricted to Registered users only Download (198kB)
	Text BAB IV.pdf Restricted to Registered users only Download (853kB)
	Text BAB V.pdf Download (150kB)
	Text DAFTAR PUSTAKA.pdf Download (147kB)

Abstract

Aplikasi SIGNAL (Samsat Digital Nasional) merupakan layanan pemerintah untuk pembayaran pajak kendaraan bermotor secara daring. Ulasan pengguna di Google Play Store mencerminkan persepsi terhadap kualitas layanan aplikasi ini. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna menggunakan model IndoBERT-base-p2. Sebanyak 10.000 ulasan dikumpulkan dan dilabeli secara manual ke dalam tiga kategori sentimen: positif, netral, dan negatif. Model dilatih dengan metode fine-tuning menggunakan tiga variasi nilai learning rate: 2e-5, 3e-5, dan 5e-5. Hasil terbaik diperoleh pada learning rate 2e-5 dengan akurasi mencapai 99,5%. Untuk mengukur kemampuan generalisasi model, dilakukan pengujian pada tiga dataset eksternal: ulasan aplikasi mobil listrik, Threads, dan Dana. Hasil pengujian menunjukkan performa model tetap kompetitif pada domain berbeda, dengan akurasi tertinggi sebesar 82,6% pada dataset Dana. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Temuan ini menunjukkan bahwa IndoBERT tidak hanya efektif dalam menganalisis ulasan aplikasi SIGNAL, tetapi juga memiliki potensi untuk diterapkan pada analisis sentimen aplikasi lain dalam bahasa Indonesia. Penelitian ini mendukung penggunaan IndoBERT sebagai alat bantu evaluasi layanan digital berbasis opini pengguna.

Actions (login required)

View Item