Implementasi Bidirectional Encoder Representations from Transformers (BERT) untuk Analisis Sentimen Ulasan Aplikasi Ibis Paint X

Abstract

Perkembangan aplikasi seni digital memunculkan banyak ulasan pengguna yang bermanfaat bagi pengembang, namun sulit dievaluasi secara manual. Penelitian ini menganalisis sentimen 8.500 ulasan berbahasa Indonesia pada aplikasi Ibis Paint X yang diperoleh melalui proses scraping Google Play Store menggunakan google-play-scraper. Dataset terdiri atas dua kolom utama, yaitu review_text dan category (rating), kemudian melalui tahap preprocessing mencakup pelabelan, pembersihan teks, penghapusan stopwords, tokenisasi, serta normalisasi. Setelah dibagi menjadi data latih (70%), validasi (15%), dan uji (15%), model IndoBERT di-fine-tuning selama lima epoch untuk melakukan klasifikasi sentimen positif, negatif, dan netral. Evaluasi performa model dilakukan menggunakan akurasi, precision, recall, F1-score, serta confusion matrix. Hasil pengujian menunjukkan akurasi sebesar 87%. Kinerja model paling tinggi pada kelas sentimen negatif dengan precision 0,94, recall 0,96, dan F1-score 0,95. Namun, performa pada kelas positif (F1-score 0,52) dan netral (F1-score 0,31) masih rendah, sebagaimana turut tercermin pada confusion matrix yang menunjukkan banyaknya kesalahan klasifikasi menuju kelas positif yang dominan. Temuan ini menegaskan efektivitas BERT dalam analisis sentimen berbahasa Indonesia, sekaligus menunjukkan perlunya penanganan ketidakseimbangan data untuk meningkatkan performa pada seluruh kategori sentimen.