<![CDATA[Ulasan pengguna aplikasi Gojek pada Google Play Store kerap memuat opini terhadap beberapa aspek layanan yang berbeda dalam satu ulasan, sehingga analisis sentimen secara umum tidak mampu menangkap perbedaan opini antar-aspek. Penelitian ini menerapkan Aspect-Based Sentiment Analysis (ABSA) menggunakan metode IndoBERT-CNN berarsitektur multi-task untuk mengklasifikasikan aspek (performance, pricing, services) dan sentimen (negative, neutral, positive) secara simultan. Dataset yang digunakan berupa 10.000 ulasan hasil prapemrosesan yang telah dianotasi. Model IndoBERT (indobenchmark/indobert-base-p1) berperan sebagai shared encoder yang menghasilkan representasi kontekstual, kemudian diteruskan ke dua TextCNN head terpisah untuk masing-masing tugas. Serangkaian pengujian arsitektur TextCNN dan penyetelan hyperparameter dilakukan untuk memperoleh konfigurasi terbaik. Konfigurasi optimal, yaitu CNN dengan tiga kernel paralel berukuran 3, 4, dan 5; 128 filter; dropout 0,3; learning rate 2×10⁻⁵; dan batch size 16, mencapai accuracy dan macro-F1 sebesar 0,992 pada task aspek, 0,972 pada task sentimen, serta joint exact-match accuracy sebesar 0,966. Kesalahan klasifikasi paling banyak terjadi pada pembedaan sentimen neutral dan negative. Hasil penelitian menunjukkan bahwa kombinasi IndoBERT dan CNN efektif untuk ABSA berbahasa Indonesia dan berpotensi dimanfaatkan sebagai alat bantu evaluasi kualitas layanan secara otomatis.]]>
Copyrights © 2026
