Komparasi IndoBERT dan XLM-RoBERTa dalam Analisis Sentimen Ulasan ChatGPT dengan Pendekatan ABSA

Aji Haritson, Dimas (2026) Komparasi IndoBERT dan XLM-RoBERTa dalam Analisis Sentimen Ulasan ChatGPT dengan Pendekatan ABSA. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (622kB)
	PDF BAB_I.pdf Download (270kB)
	PDF BAB_II.pdf Download (829kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (510kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (245kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (378kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (409kB)
	Archive (ZIP) 00000076403_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Popularitas aplikasi ChatGPT di Indonesia telah menghasilkan ratusan ribu ulasan dari pengguna di Google Play Store. Namun, ulasan-ulasan tersebut seringkali bersifat multitafsir karena memuat beberapa topik sekaligus dalam satu teks ulasan, sehingga sulit dianalisis secara mendalam menggunakan metode analisis sentimen konvensional. Penelitian ini menerapkan pendekatan Aspect-Based Sentiment Analysis (ABSA) untuk membedah sentimen pengguna secara lebih spesifik berdasarkan aspek-aspek tertentu. Kerangka kerja penelitian ini mengadopsi metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Pada tahap Aspect Category Detection (ACD), algoritma Latent Dirichlet Allocation (LDA) digunakan untuk mengekstraksi aspek secara otomatis, yang menghasilkan enam aspek utama: Content Quality, Functionality, Performance, Reliability, Usability, dan Usefulness. Untuk mengatasi keterbatasan pelabelan manual oleh manusia pada dataset besar, penelitian ini mengusulkan alur kerja LLM- assisted labeling menggunakan model Qwen3-32B melalui Groq API, yang validitasnya diuji menggunakan metrik kesepakatan statistik Cohen's Kappa dan Fleiss' Kappa. Setelah melalui tahap penyaringan data, diperoleh sebanyak 108.978 ulasan bersih untuk proses fine-tuning pada model supervised learning berbasis Transformer. Hasil eksperimen menunjukkan bahwa model XLM-ROBERTa memiliki performa klasifikasi sentimen yang sedikit lebih unggul dibandingkan IndoBERT, dengan capaian nilai Accuracy sebesar 91,84% dan Macro F1-score sebesar 86,97%, berbanding 91,54% Accuracy dan 86,35% Macro F1-score pada IndoBERT. Sebagai kontribusi praktis, model yang diuji diimplementasikan ke dalam prototipe dasbor interaktif berbasis Streamlit. Dasbor ini dioptimalkan menggunakan metode rule-based keyword matching berbasis leksikon hasil ekstraksi LDA untuk menekan latensi server, sehingga dapat digunakan secara real-time oleh praktisi produk dan pengembang lokal dalam mengevaluasi umpan balik pengguna terhadap teknologi Generative AI.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Aji Haritson, Dimas (00000076403)
Contributors:	Fernando, Erick
Keywords:	aspect-based sentiment analysis, ChatGPT, large language model, topic modeling, transformer 7 Komparasi IndoBERT ..., Dimas Aji Haritson, Universitas Multimedia Nusantara
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	18 Jul 2026 07:58
URI:	https://kc.umn.ac.id/id/eprint/47736

Actions (login required)

View Item