<![CDATA[Pemahaman terhadap persepsi publik terhadap aplikasi Twitch menjadi penting karena ulasan pengguna mencerminkan pengalaman penggunaan, kualitas layanan, serta berbagai permasalahan yang dihadapi pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Twitch berbahasa Indonesia dengan menerapkan model Transformer IndoBERT (indobert-base-p1) melalui proses fine-tuning. Dataset diperoleh dari Google Play Store menggunakan google-play-scraper, kemudian dipraproses melalui cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Pelabelan data dilakukan menggunakan pendekatan lexicon-based sebagai ground truth dengan tiga kelas sentimen, yaitu positif, netral, dan negatif. Selanjutnya data digunakan untuk melatih model IndoBERT dengan konfigurasi learning rate 2e-5, batch size 8, dan lima epoch. Evaluasi dilakukan menggunakan accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model terbaik diperoleh pada epoch ke-4 dengan akurasi sebesar 89% dan weighted average F1-score sebesar 89%. Analisis confusion matrix memperlihatkan bahwa model memiliki performa terbaik pada kelas negatif dan netral, sedangkan kelas positif masih mengalami sejumlah kesalahan klasifikasi ke kelas netral. Temuan ini menunjukkan bahwa IndoBERT mampu memahami konteks bahasa informal pada ulasan aplikasi berbahasa Indonesia dan layak digunakan sebagai pendekatan analisis sentimen untuk mendukung evaluasi kualitas layanan Twitch.]]>
Copyrights © 2026
