Klasifikasi Multi-Label Dan Ekstraksi Entitas Pada Ulasan Aplikasi Blu by BCA Digital Menggunakan IndoBERT

Abstrak

Pertumbuhan layanan perbankan digital di Indonesia mendorong kebutuhan untuk memahami faktor-faktor yang memengaruhi keberlanjutan penggunaan aplikasi oleh pengguna. Namun, penelitian sebelumnya masih terbatas pada pendekatan klasifikasi single-label dan analisis sentimen umum, sehingga belum mampu menangkap kompleksitas informasi dalam ulasan pengguna berbahasa Indonesia secara terstruktur. Penelitian ini bertujuan melakukan klasifikasi multi-label berdasarkan empat faktor Expectation-Confirmation Model (ECM), yaitu Confirmation, Perceived Usefulness, E-satisfaction, dan Perceived Security, serta ekstraksi enam entitas Named Entity Recognition (NER) pada ulasan aplikasi Blu by BCA Digital menggunakan IndoBERT. Dataset diperoleh dari Google Play Store dan Apple App Store periode Januari–Desember 2025, menghasilkan 3.389 ulasan berbahasa Indonesia setelah proses filtering. Penelitian menerapkan pendekatan single-task dengan oversampling dan Focal Loss untuk klasifikasi multi-label, serta token augmentation dan Conditional Random Field (CRF) untuk NER. Validasi anotasi dilakukan menggunakan Krippendorff's Alpha yang menghasilkan nilai rata-rata 0,856 untuk label intent dan 0,919 untuk entitas NER. Hasil pengujian menunjukkan model klasifikasi terbaik mencapai F1-Score sebesar 0,798 dan Hamming Loss sebesar 0,131, sedangkan model NER terbaik mencapai F1-Score sebesar 0,812. Penelitian ini menunjukkan bahwa IndoBERT efektif digunakan untuk menganalisis ulasan pengguna aplikasi perbankan digital dalam mengidentifikasi faktor ECM dan mengekstraksi entitas domain secara bersamaan, sehingga berpotensi mendukung pengembang dalam memahami kebutuhan pengguna secara otomatis.