Klasifikasi Sentimen Google Play Store Aplikasi ChatGPT Berbahasa Indonesia Berbasis IndoBERT

Abstrak

Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi ChatGPT berbahasa Indonesia dengan memanfaatkan metode IndoBERT. Sentimen pengguna diklasifikasikan ke dalam tiga kelas, yaitu positif, negatif, dan netral. Data yang digunakan dalam penelitian ini berjumlah 25.111 ulasan yang diperoleh dari Google Play Store. Dataset tersebut kemudian melalui tahapan pra-pemrosesan teks yang meliputi text cleaning, tokenization, penghapusan stopword, normalisasi, serta stemming. Metode IndoBERT diterapkan pada proses pelabelan sekaligus klasifikasi sentimen, sementara kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model IndoBERT mampu mencapai nilai akurasi sebesar 89%, presisi 87%, recall 89%, dan F1-score sebesar 88%. Temuan ini mengindikasikan bahwa IndoBERT memiliki performa yang baik dan efektif dalam melakukan klasifikasi sentimen pada teks berbahasa Indonesia. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan kajian analisis sentimen berbasis Bahasa Indonesia serta menjadi referensi dalam upaya peningkatan kualitas dan pengalaman pengguna pada aplikasi ChatGPT maupun aplikasi serupa.