Text
Analisis sentimen ulasan threads google play store dengan model roberta
Perkembangan pesat teknologi internet secara global, termasuk di Indonesia, telah mengubah secara drastis pola komunikasi dan interaksi antarindividu. Salah satu dampaknya terlihat pada meningkatnya penggunaan aplikasi media sosial berbasis teks, seperti Threads yang dikembangkan oleh Meta. Dalam waktu singkat, Threads berhasil menarik jutaan pengguna. Namun, banyaknya ulasan pengguna di Google Play Store menghadirkan tantangan tersendiri, khususnya dalam menganalisis sentimen secara manual yang sangat memakan waktu dan rawan bias. Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan menerapkan model RoBERTa, sebuah varian dari BERT yang telah dioptimalkan untuk pemrosesan bahasa alami. Proses penelitian mengikuti kerangka kerja CRISP-DM yang mencakup beberapa tahapan utama: memahami konteks bisnis, eksplorasi dan persiapan data, pembangunan model, evaluasi performa, hingga penerapan model. Data diperoleh langsung dari Google Play Store, kemudian dibersihkan melalui tahap deduplikasi, normalisasi, dan tokenisasi. Model RoBERTa menunjukkan kinerja yang kuat, dengan akurasi mencapai 88%.
Presisi tercatat sebesar 92% untuk sentimen positif dan 81% untuk negatif, sedangkan recall masing-masing berada di angka 88% dan 87%. Fl-score pun tinggi, yakni 90% untuk positif dan 84% untuk negatif. Jika dibandingkan dengan algoritma seperti Naïve Bayes dan SVM, RoBERTa terbukti lebih unggul. Penelitian ini membuka peluang untuk eksplorasi model transformer lainnya atau penggunaan ensembel untuk peningkatan kinerja ke depan.
| TI25/011 | TI 25/011 | Prodi Teknik Informatika (Ruang Skripsi & Tesis) | Tersedia |
Tidak tersedia versi lain