Septianto, Muhammad Dwiki (2025) Implementasi algoritma Bidirectional Encoder Representations From Transformers untuk analisis sentimen online Marketplace ulasan Google Play Store. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1-cover.pdf Download (30kB) | Preview |
|
|
Text (ABSTRAK)
2-abstrak.pdf Download (20kB) | Preview |
|
|
Text (LEMBAR PERNYATAAN)
CamScanner 01-07-2025 14.31 (1).pdf Download (383kB) | Preview |
|
|
Text (DAFTAR ISI)
3-daftarisi.pdf Download (87kB) | Preview |
|
|
Text (BAB I)
4-BAB I.pdf Download (121kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5-BAB II.pdf Restricted to Registered users only Download (249kB) |
|
|
Text (BAB III)
6-BAB III.pdf Restricted to Registered users only Download (313kB) |
|
|
Text (BAB IV)
7-BAB IV.pdf Restricted to Registered users only Download (4MB) |
|
|
Text (BAB V)
8-BAB V.pdf Restricted to Registered users only Download (24kB) |
|
|
Text (DAFTAR PUSTAKA)
9-Daftar Pustaka.pdf Restricted to Registered users only Download (101kB) |
|
|
Text (LAMPIRAN)
23-lampiran.pdf Restricted to Repository staff only Download (139kB) |
Abstract
Online marketplace menjadi instrumen ekonomi Indonesia dengan proyeksi peningkatan pengguna dari 73,06 juta (2025) menjadi 99,1 juta (2029). Shopee [1], Tokopedia [2], dan Lazada [3] mendominasi pasar dengan kunjungan masing-masing bulanan 237 juta, 88,9 juta, dan 47,69 juta [4]. Namun, analisis sentimen ulasan pengguna menemui hambatan karena metode tradisional cenderung mengabaikan konteks sebenarnya sehingga analisis berbasis makna menjadi kurang akurat [5]. Rating bintang tidak selalu mencerminkan sentimen sebenarnya, menyebabkan analisis hanya mengandalkan rating berisiko bias [6]. Tantangan tambahan adalah pengelolaan volume ulasan yang besar dengan karakteristik yang beragam yang membutuhkan pendekatan analisis teks yang lebih canggih dibandingkan metode konvensional. Penelitian ini mengimplementasikan algoritma Bidirectional Encoder Representations from Transformers (BERT) [6] untuk menganalisis sentimen testimoni Google Play Store pada ketiga online marketplace, mengevaluasi kinerja algoritma, dan membandingkan proporsi sentimen antar platform. Metodologi CRISP-ML(Q) [7] digunakan dengan tahapan business understanding, pengumpulan 9.000 ulasan (triwulan pertama 2025), preprocessing data, fine-tuning IndoBERT dengan variasi hyperparameter, dan evaluasi menggunakan multiple metrics. Hasil menunjukkan performa model dengan rata-rata akurasi 0,94 pada ketiga platform, dengan konfigurasi optimal berbeda: Shopee [1] (akurasi 0,9444), Tokopedia (akurasi tertinggi 0,9495), dan Lazada (akurasi 0,922). Penelitian ini menghasilkan model analisis sentimen berkinerja tinggi untuk bahasa Indonesia dalam konteks online marketplace serta memberikan insight strategis bagi pengembang untuk meningkatkan layanan berdasarkan feedback pengguna [5].
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen; BERT; online marketplace; Google Play Store; CRISP-ML(Q) |
| Subjects: | Data Processing, Computer Science Commerce, Trade > Interregional Commerce Applied Physics > Machine Engineering, Machinery Applied Physics > General Topic of Machine Engineering |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Muhammad Dwiki Septianto |
| Date Deposited: | 01 Jul 2025 07:44 |
| Last Modified: | 01 Jul 2025 07:44 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/110588 |
Actions (login required)
 |
View Item |
