ANALISIS SENTIMEN MENGGUNAKAN MODEL CONCATENATION CLASSIFICATION INDOBERT UNTUK ULASAN PENGGUNA APLIKASI MYTELKOMSEL DI PLAYSTORE

Di era digital, ulasan pengguna aplikasi mobile menjadi sumber data penting untuk mengevaluasi dan meningkatkan kualitas layanan. Penelitian ini bertujuan menganalisis sentimen pengguna terhadap aplikasi MyTelkomsel di Google PlayStore menggunakan pendekatan Concatenation Classification IndoBERT, yaitu penggabungan embedding dari model IndoBERT dan FastText guna memperkaya representasi semantik teks. Sebanyak 30.000 ulasan berbahasa Indonesia dari tahun 2022–2024 dikumpulkan melalui web scraping dengan pustaka google-play-scraper. Data diproses melalui tahapan preprocessing (normalisasi, pembersihan, penghapusan stopword, dan stemming) serta pelabelan sentimen ke dalam lima kategori: sangat negatif, negatif, netral, positif, dan sangat positif berdasarkan skor polaritas. Pemodelan dilakukan dengan menggabungkan vektor token [CLS] dari IndoBERT (768 dimensi) dan FastText (300 dimensi), menghasilkan vektor 1068 dimensi. Dataset dibagi menjadi 80% data latih, 20% data uji dan 80% data latih, 10% data uji dan 10% data validasi. Evaluasi menggunakan metrik akurasi, precision, recall, dan F1 score menunjukkan performa tinggi dengan akurasi 95% pada 2022–2023 dan meningkat menjadi 96% pada 2024. Hasil ini menunjukkan bahwa pendekatan concatenation IndoBERT dapat meningkatkan akurasi klasifikasi sentimen secara signifikan dan efektif dalam menangani teks ulasan yang tidak terstruktur.. Kata kunci: Analisis sentimen, IndoBERT,