<![CDATA[Pesatnya perkembangan e-commerce di Indonesia telah menyebabkan meningkatnya volume ulasan pengguna, yang kini menjadi sumber informasi penting dalam memahami kepuasan dan pengalaman pelanggan. Ulasan tersebut mengandung sentimen yang dapat dimanfaatkan untuk pengambilan keputusan bisnis, khususnya melalui pendekatan analisis sentimen. Penelitian ini bertujuan untuk mengukur tingkat akurasi model IndoBERT yang dioptimasi menggunakan algoritma Adam dalam mengklasifikasikan sentimen ulasan e-commerce berbahasa Indonesia. Dataset yang digunakan berasal dari platform Kaggle, terdiri atas 11.606 ulasan yang telah melalui tahap pra-pemrosesan seperti pembersihan teks, tokenisasi, dan pelabelan. Data kemudian dibagi menjadi 80% data latih dan 20% data uji. Model yang digunakan merupakan IndoBERT pre-trained yang dioptimasi dengan konfigurasi Adam: learning rate 2e-5, batch size 16, dan 5 epoch pelatihan. Evaluasi model dilakukan dengan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 92,16%, precision 93,16%, recall 91,09%, dan F1-score 92,11%. Confusion matrix juga menunjukkan distribusi prediksi yang seimbang untuk sentimen positif dan negatif. Temuan ini membuktikan bahwa model IndoBERT yang dioptimasi dengan Adam memiliki kinerja yang sangat baik dalam tugas klasifikasi sentimen, serta berpotensi untuk diterapkan dalam sistem analisis sentimen otomatis pada platform e-commerce guna mendukung pengambilan keputusan berbasis data.]]>
