<![CDATA[Pesatnya pertumbuhan industri quick commerce di Indonesia, khususnya layanan Astro yang menawarkan pengiriman kebutuhan pokok instan, menuntut pemantauan kepuasan pengguna secara masif dan berkala. Sumber evaluasi utama yang kaya akan informasi adalah ulasan pengguna di platform Google Play Store. Namun, karakteristik ulasan yang sarat akan bahasa informal, singkatan, dan struktur semantik lokal yang kompleks menjadi tantangan tersendiri dalam analisis sentimen otomatis. Penelitian ini bertujuan untuk mengevaluasi kepuasan pengguna aplikasi Astro melalui analisis sentimen ulasan biner menggunakan pendekatan Deep Learning berbasis arsitektur Transformer IndoBERT (indobert-base-p2). Tahapan penelitian meliputi scraping data, preprocessing, tokenisasi berbasis algoritma WordPiece untuk mengatasi masalah Out-of-Vocabulary (OOV), serta proses fine-tuning model selama 3 epoch. Hasil pengujian kuantitatif pada 800 data uji terisolasi menunjukkan performa model yang sangat optimal, dengan capaian nilai Accuracy sebesar 97,75%, Precision 98,47%, Recall 99,02%, dan F1-Score sebesar 98,74%. Pengujian kualitatif pada data baru (unseen data) membuktikan ketangguhan model dalam menangkap aspek kebahasaan kontekstual, seperti ulasan berbentuk saran bernada positif dan kritik halus bernada negatif. Hasil penelitian ini membuktikan bahwa arsitektur IndoBERT hasil fine-tuning sangat andal digunakan sebagai instrumen evaluasi kepuasan pelanggan otomatis pada industri quick commerce di Indonesia.]]>
Copyrights © 2026
