Perbandingan IndoBERT dan mDeBERTa-v3 dalam Analisis Sentimen Berbasis Aspek pada Ulasan Aplikasi Gojek dengan Pelabelan LLM-Assisted Labeling dan Semantic Network Analysis

Silaban, Nathanael (2026) Perbandingan IndoBERT dan mDeBERTa-v3 dalam Analisis Sentimen Berbasis Aspek pada Ulasan Aplikasi Gojek dengan Pelabelan LLM-Assisted Labeling dan Semantic Network Analysis. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (430kB)
	PDF BAB_I.pdf Download (274kB)
	PDF BAB_II.pdf Download (488kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (345kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (935kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (180kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (186kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (285kB)
	Archive (ZIP) 00000078430_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Pertumbuhan transaksi pada aplikasi layanan digital multiservis seperti Gojek belum secara langsung mencerminkan kepuasan pengguna pada setiap dimensi layanan, sehingga organisasi memerlukan kemampuan mengolah data ulasan pengguna yang tidak terstruktur menjadi informasi yang relevan untuk mendukung pengambilan keputusan terkait perbaikan layanan. Ulasan pengguna aplikasi Gojek pada Google Play Store memuat opini yang beragam terhadap beberapa aspek layanan dalam satu teks, sehingga analisis sentimen umum belum cukup untuk menjelaskan pengalaman pengguna secara rinci. Penelitian ini bertujuan untuk menganalisis sentimen berbasis aspek pada ulasan aplikasi Gojek dengan membandingkan model IndoBERT dan mDeBERTa-v3. Metode penelitian mengikuti tahapan CRISP-DM, mulai dari pemahaman bisnis, pengumpulan data, persiapan data, pelabelan berbantuan Large Language Model, pemodelan, evaluasi, Semantic Network Analysis, hingga deployment dashboard menggunakan Streamlit. Aspek yang dianalisis meliputi Aplikasi, Layanan, Driver, Tarif & Harga, GoPay & Pembayaran, serta Promo & Iklan dengan kelas sentimen positif, negatif, dan netral. Hasil evaluasi menunjukkan bahwa IndoBERT memperoleh performa terbaik dengan akurasi 0,9677 dan F1-score macro 0,9656, sedangkan mDeBERTa-v3 memperoleh F1-score macro 0,8886. Hasil Semantic Network Analysis menunjukkan bahwa kata seperti driver, lama, nunggu, susah, cancel, baik, bagus, dan cepat berperan dalam membentuk opini pengguna. Penelitian ini menyimpulkan bahwa integrasi ABSA, model transformer, LLM-assisted labeling, dan SNA mampu memberikan pemahaman yang lebih rinci terhadap pengalaman pengguna aplikasi Gojek.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Silaban, Nathanael (00000078430)
Contributors:	Fernando, Erick
Keywords:	Aspect-Based Sentiment Analysis, Gojek, IndoBERT, LLM- assisted labeling, Semantic Network Analysis
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/47737

Actions (login required)

View Item