ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI GOOGLE FIT MENGGUNAKAN BERT DAN BERTOPIC

Perkembangan aplikasi kebugaran digital seperti Google Fit telah menghasilkan jumlah ulasan pengguna yang bervariatif dan mengandung sentimen beragam. Analisis terhadap ulasan tersebut penting untuk memahami tingkat kepuasan pengguna serta mengidentifikasi aspek aplikasi yang memerlukan perbaikan. Penelitian ini bertujuan mengembangkan sistem berbasis web yang mampu melakukan analisis sentimen dan pemodelan topik terhadap ulasan pengguna Google Fit menggunakan metode Bidirectional Encoder Representations from Transformers (BERT) dan BERTopic. Data penelitian berupa 10.928 ulasan berbahasa Inggris yang diperoleh melalui proses web scraping dari Google Play Store. Data tersebut kemudian dibagi menjadi data latih sebesar 70%, data uji sebesar 20%, dan data validasi sebesar 10%. Proses penelitian meliputi pengumpulan data, pelabelan sentimen menggunakan VADER, preprocessing, pelatihan model BERT untuk klasifikasi sentimen, serta pemodelan topik menggunakan BERTopic. Kinerja model dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score, sedangkan kualitas topik dievaluasi menggunakan coherence score. Hasil pengujian model BERT pada 2.080 data uji menghasilkan performa klasifikasi dengan akurasi sebesar 90.67%, presisi sebesar 90.45%, recall sebesar 90.51%, dan F1-score sebesar 90.45%. Sementara itu hasil pemodelan topik BERTopic berhasil menghasilkan 16 topik utama dengan nilai koherensi rata-rata sebesar 0.6586.