ANALISIS SENTIMEN PENJUALAN SMARTPHONE PADA TOKOPEDIA MENGGUNAKAN INDOBERT

Peningkatan signifikan pasar smartphone di Indonesia, yang tercatat terus bertumbuh mendorong pesatnya aktivitas transaksi pada platform e-commerce seperti Tokopedia. Dalam e-commerce, ulasan pembeli menjadi salah satu unsur penting yang mencerminkan pengalaman dan preferensi pembeli agar penjual dapat meningkatkan kualitas layanannya. Namun, volume data yang terus bertambah serta penggunaan bahasa informal dengan singkatan menjadi tantangan tersendiri dalam proses klasifikasi ulasan secara manual, yang berpotensi menyebabkan hilangnya informasi berharga bagi penjual. Penelitian ini bertujuan untuk mengimplementasikan analisis sentimen guna mengklasifikasikan ulasan pembeli secara efisien menggunakan model IndoBERT. Ulasan pembeli smartphone yang dikumpulkan berada dalam rentang waktu Januari 2024 sampai Mei 2026, didapatkan sebanyak 8.203 baris data yang seimbang antara kelas positif dan negatif. Dataset melalui tahapan preprocessing terlebih dahulu sebelum digunakan untuk melatih model dengan rasio pembagian data 80:10:10. Berdasarkan hasil pengujian 30 kombinasi hyperparameter menggunakan kurva training dan validation loss, confusion matrix dan classification report, performa model yang paling optimal menunjukkan nilai accuracy sebesar 93%, precision sebesar 93%, recall sebesar 92% dan F1-score sebesar 93%. Tingginya akurasi yang dihasilkan oleh model IndoBERT menunjukkan keberhasilan model dalam membedakan ulasan positif dan negatif sehingga model yang dihasilkan dapat digunakan untuk tugas pengklasifikasian ulasan pembeli smartphone yang lebih efektif dan efisien.