Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Nuryadi, Delvin
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
FINE TUNING INDOBERT UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI TIKET.COM DI GOOGLE PLAY STORE Nuryadi, Delvin; Metandi, Farindika; Alam Hadiwijaya, Noor; Zainul Rohman, M.; Hartanto, Subhan; Syafrizal, Agusdi; Yadie, Erry
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13204

Abstract

Tiket.com merupakan salah satu platform pemesanan tiket perjalanan terbesar di Indonesia. Ulasan pengguna di Google Play Store dapat memberikan wawasan penting mengenai kepuasan pengguna terhadap layanan aplikasi ini. Namun, analisis manual terhadap ribuan ulasan tidak efisien, sehingga diperlukan pendekatan berbasis machine learning untuk mengklasifikasikan sentimen secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Tiket.com dengan menggunakan model IndoBERT yang telah di fine-tune. Metode yang digunakan meliputi pengumpulan data ulasan melalui web scraping, preprocessing data, serta fine-tuning model IndoBERT menggunakan dataset SmSA dari IndoNLU. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur performa klasifikasi sentimen positif, netral, dan negatif. Hasil menunjukkan bahwa model memiliki akurasi keseluruhan sebesar 91%, dengan F1-score 93% untuk sentimen positif, 94% untuk sentimen negatif, dan 77% untuk sentimen netral, meskipun recall pada kelas netral masih rendah (65%). Dari 10.000 ulasan, mayoritas bersentimen positif (5.271), diikuti negatif (4.022), dan netral (707). Penelitian ini membuktikan efektivitas IndoBERT dalam analisis sentimen berbahasa Indonesia dan dapat digunakan sebagai referensi dalam memahami opini pengguna serta meningkatkan layanan aplikasi.
Co-Authors Agusdi Syafrizal, Agusdi Alam Hadiwijaya, Noor Erry Yadie, Erry Hartanto, Subhan Metandi, Farindika Zainul Rohman, M.