ANALISIS SENTIMEN PELANGGAN TERHADAP PRODUK ELEKTRONIK DI TOKOPEDIA MENGGUNAKAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS

Perkembangan e-commerce di Indonesia, khususnya Tokopedia, menghasilkan banyak ulasan pelanggan yang mengandung opini berharga, terutama pada kategori produk
elektronik. Analisis manual terhadap ulasan tersebut tidak efisien sehingga diperlukan metode otomatis. Penelitian ini menggunakan model BiDirectional Encoder Representations from Transformers (BERT), khususnya IndoBERT, untuk
menganalisis sentimen pelanggan berdasarkan data ulasan pada kategori produk elektronik di Tokopedia. Proses penelitian meliputi preprocessing (cleaning, tokenizing, stopword removal, stemming), pelabelan sentimen (positif, negatif, netral), pelatihan model, dan evaluasi dengan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan performa model sangat tinggi, dengan akurasi 99,69% dan nilai presisi serta recall sebesar 1.00 untuk sentimen positif dan netral. Sentimen negatif memiliki recall 0.94 akibat ketidak seimbangan data. Faktor utama penyumbang
sentimen dapat disimpulkan sebagai kualitas produk, kecepatan pengiriman, dan kesesuaian deskripsi produk. Metode ini efektif untuk klasifikasi sentimen dalam
bahasa Indonesia.