Analisis kinerja Model Multilingual BERT (mBERT) dalam klasifikasi sentimen terhadap ulasan pengguna aplikasi Pinjaman Online di Indonesia

Lofiana, Marisah (2026) Analisis kinerja Model Multilingual BERT (mBERT) dalam klasifikasi sentimen terhadap ulasan pengguna aplikasi Pinjaman Online di Indonesia. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (267kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (257kB) | Preview
Preview	Text (LEMBAR PERNYATAAN) 3_skbebasplagiarism.pdf Download (1MB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (305kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (424kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (520kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (391kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (256kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (267kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (370kB) | Request a copy

Abstract

Perkembangan layanan financial technology (fintech), khususnya pinjaman online, mendorong meningkatnya jumlah ulasan pengguna pada Google Play Store sebagai media untuk menyampaikan pengalaman, kepuasan, maupun keluhan terhadap layanan yang digunakan. Ulasan tersebut mengandung informasi yang bermanfaat bagi penyedia layanan untuk mengevaluasi kualitas layanan, namun karakteristik bahasa yang tidak baku, penggunaan singkatan, istilah gaul, serta campuran bahasa Indonesia dan bahasa asing menjadi tantangan dalam proses analisis sentimen. Penelitian ini bertujuan mengimplementasikan serta menganalisis kinerja model Multilingual Bidirectional Encoder Representations from Transformers (mBERT) dalam mengklasifikasikan sentimen ulasan pengguna aplikasi pinjaman online di Indonesia. Metode yang digunakan adalah SEMMA (Sample, Explore, Modify, Model, Assess). Dataset diperoleh melalui proses scraping ulasan pengguna pada tiga aplikasi, yaitu Kredivo, Julo, dan Shopee PayLater. Tahap preprocessing meliputi pembersihan teks, normalisasi, pelabelan sentimen berdasarkan rating, tokenisasi menggunakan tokenizer mBERT, serta pembagian dataset dengan dua skenario, yaitu 80:10:10 dan 70:15:15. Model dilatih menggunakan arsitektur bert-base-multilingual-cased dengan learning rate 2×10⁻⁵, batch size 8, dan 3 epoch. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mBERT mampu mengklasifikasikan sentimen dengan baik pada ketiga dataset. Kinerja terbaik diperoleh pada dataset Kredivo dengan skenario 70:15:15 yang menghasilkan accuracy 92,17%, precision 90,61%, recall 92,17%, dan F1-score 91,38%. Hasil tersebut menunjukkan bahwa mBERT memiliki kinerja yang baik dalam klasifikasi sentimen ulasan pengguna aplikasi pinjaman online berbahasa Indonesia dan dapat dimanfaatkan sebagai pendekatan untuk membantu memahami opini pengguna terhadap layanan fintech.

Actions (login required)

View Item