Pengembangan analisis sentimen berbasis emosi pada ulasan fashion e-commerce menggunakan IndoBERT untuk identifikasi kepuasan pelanggan

Aenurohmah, Siti (2026) Pengembangan analisis sentimen berbasis emosi pada ulasan fashion e-commerce menggunakan IndoBERT untuk identifikasi kepuasan pelanggan. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (145kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (195kB) | Preview
Preview	Text (SK BEBAS PLAGIARISM) 3_skbebasplagiarism.pdf Download (320kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (198kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (425kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (4MB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (530kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (5MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (229kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (230kB) | Request a copy

Abstract

Ulasan produk e-commerce umumnya hanya dianalisis melalui rating dan sentimen polaritas, sehingga informasi emosi di balik ulasan belum dimanfaatkan secara maksimal, padahal ulasan bersentimen sama dapat mencerminkan kepuasan berbeda. Penelitian ini mengembangkan analisis sentimen berbasis emosi pada 3.479 ulasan produk fashion wanita dari toko Alunicorn Official Store di Shopee, menggunakan IndoBERT dengan pendekatan multi-task learning yang mengklasifikasikan sentimen dan emosi secara bersamaan. Dua model dibandingkan, yaitu Baseline (hanya sentimen) dan Enhanced (sentimen dan emosi), diuji pada tiga skenario pembagian dataset (70:10:20, 80:10:10, dan 60:20:20). Pada skenario acuan model Enhanced mencapai akurasi sentimen 93,25% (F1-score 92,96%), unggul dari Baseline yang mencapai 91,67% (F1-score 91,58%), dengan akurasi klasifikasi emosi 67%. Hasil prediksi sentimen dan emosi kemudian dikombinasikan dengan rating menggunakan Simple Additive Weighting (SAW) dengan bobot Entropy untuk mengidentifikasi kepuasan pelanggan. Penerapan metode ini pada 696 data uji menghasilkan distribusi satisfied 76,15%, unsatisfied 17,39%, dan neutral 6,47%. Integrasi emosi terbukti meningkatkan performa klasifikasi sentimen sekaligus menghasilkan identifikasi kepuasan pelanggan yang lebih objektif dibandingkan hanya mengandalkan rating atau sentimen saja.

Actions (login required)

View Item