ANALISIS SENTIMEN DAN RINGKASAN ULASAN APLIKASI ACCESS BY KAI MENGGUNAKAN NUSABERT DAN LLM QWEN3
DOI:
https://doi.org/10.36595/jire.v9i1.2001Keywords:
Analisa Sentimen, NusaBERT, Qwen3, Ringkasan Abstraktif, Access by KAIAbstract
Dalam era digital saat ini, ulasan pengguna di platform aplikasi menjadi sumber informasi berharga bagi pengembang untuk meningkatkan kualitas layanan. Analisis sentimen dari ulasan tersebut memerlukan pendekatan yang efektif dan akurat, terutama dalam konteks bahasa Indonesia. Penelitian ini mengusulkan sistem analisis sentimen dan ringkasan ulasan aplikasi Access by KAI menggunakan teknologi pemrosesan bahasa alami terkini. Metodologi yang diterapkan mengikuti tahapan CRISP-DM, dimulai dari pengumpulan data ulasan melalui web scraping Google Play Store, preprocessing teks, hingga pengembangan model klasifikasi dan ringkasan. Model NusaBERT digunakan untuk analisis sentimen dengan pembagian data 70% latih, 15% validasi, dan 15% uji, sementara model Qwen3-8B dimanfaatkan untuk menghasilkan ringkasan abstraktif yang terstruktur. Sistem yang dikembangkan dibandingkan dengan pendekatan tradisional menggunakan SVM dengan ekstraksi fitur TF-IDF. Hasil evaluasi menunjukkan bahwa NusaBERT mencapai akurasi 90.8% dan F1-score 81.55%, mengungguli model SVM yang mencapai akurasi 88.8% dan F1-score 55.33%. Sistem ini berhasil mengidentifikasi pola sentimen pengguna secara akurat serta menghasilkan ringkasan yang komprehensif dalam format enam kategori utama. Antarmuka berbasis Streamlit yang dikembangkan memungkinkan visualisasi data yang intuitif melalui pie chart, bar chart, confusion matrix, dan wordcloud. Penelitian ini membuktikan efektivitas model berbasis transformer dalam memahami konteks bahasa Indonesia untuk analisis sentimen, sekaligus memberikan solusi praktis bagi pengembang aplikasi dalam memahami umpan balik pengguna secara efisien. Hasil penelitian ini dapat dimanfaatkan oleh pengembang aplikasi sebagai pendukung pengambilan keputusan berbasis data dalam meningkatkan kualitas layanan dan pengalaman pengguna.
Downloads
References
[1] G. Radiena and A. Nugroho, “ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN APLIKASI KAI ACCESS MENGGUNAKAN METODE SUPPORT VECTOR MACHINE,” JUKANTI, vol. 6, no. 1, pp. 1–10, Apr. 2023, doi: 10.37792/jukanti.v6i1.836.
[2] M. Iqbal Zakasih and W. Tri Handoko, “ANALISIS SENTIMEN PENGGUNA TWITTER TENTANG NFT (NON FUNGIBLE TOKEN) DENGAN METODE NAIVE BAYES CLASSIFIER,” JIRE, vol. 5, no. 2, pp. 221–229, Nov. 2022, doi: 10.36595/jire.v5i2.694.
[3] E. Suryati and A. A. Aldino, “Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine (SVM),” JURNAL TEKNOLOGI DAN SISTEM INFORMASI, vol. 4, no. 1, 2023.
[4] R. Damanhuri and V. A. Husein, “Analisis Sentimen pada Ulasan Aplikasi Access by KAI Berbahasa Indonesia Menggunakan Word-Embedding dan Classical Machine Learning,” JMASIF, vol. 15, no. 2, pp. 97–106, Nov. 2024, doi: 10.14710/jmasif.15.2.62383.
[5] A. Wirayudha, M. Murniyati, and R. Rosdiana, “Analisis Sentimen Terhadap Ulasan Access By KAI Pada Google Play Store Menggunakan Metode Indobert,” PRINSIP, vol. 3, no. 1, pp. 9–20, Jan. 2025, doi: 10.59696/prinsip.v3i1.69.
[6] Haeni Budiati, K. J. D. Lase, and Victor Crisman Mendrofa, “ANALISIS CALON BUPATI SLEMAN PADA PILKADA 2024 DENGAN MENGGUNAKAN NATURAL LANGUAGE PROCESSING DAN FUZZY LOGIC,” JIRE, vol. 7, no. 2, pp. 334–342, Nov. 2024, doi: 10.36595/jire.v7i2.1307.
[7] W. Wongso, D. S. Setiawan, S. Limcorn, and A. Joyoadikusumo, “NusaBERT: Teaching IndoBERT to be Multilingual and Multicultural,” Mar. 04, 2024, arXiv: arXiv:2403.01817. doi: 10.48550/arXiv.2403.01817.
[8] M. Zhang, G. Zhou, W. Yu, N. Huang, and W. Liu, “A Comprehensive Survey of Abstractive Text Summarization Based on Deep Learning,” Computational Intelligence and Neuroscience, vol. 2022, pp. 1–21, Aug. 2022, doi: 10.1155/2022/7132226.
[9] R. K. Wardana, N. Cahyono, U. A. Saputro, A. H. Negoro, and N. Aini, “IMPLEMENTASI ALGORITMA SVM DAN OPTIMASI MENGGUNAKAN KOMPARASI N-GRAM DAN GLOVE PADA SENTIMEN PENGGUNA APLIKASI ACCESS BY KAI,” vol. 9, no. 2, 2025.
[10] “Analisis Sentimen pada Ulasan Aplikasi Access by KAI Berbahasa Indonesia Menggunakan Word-Embedding dan Classical Machine Learning | Damanhuri | Jurnal Masyarakat Informatika.” Accessed: May 23, 2025. [Online]. Available: https://ejournal.undip.ac.id/index.php/jmasif/article/view/62383
[11] N. A. Jiana and B. Hartono, “Sentimen Analisa Ulasan Aplikasi Access by KAI pada Google Play Store menggunakan Algoritma K-NN,” mib, vol. 8, no. 3, p. 1388, July 2024, doi: 10.30865/mib.v8i3.7730.
[12] E. C. Sukmawati, L. Suryaningrum, D. Angelica, and N. G. Ramadhan, “Klasifikasi Berita Palsu Menggunakan Model Bidirectional Encoder Representations From Transformers (BERT),” SisInfo, vol. 6, no. 2, pp. 76–85, Aug. 2024, doi: 10.37278/sisinfo.v6i2.934.
[13] T. Walasary, “Survey Paper tentang Analisis Sentimen,” KONSTELASI, vol. 2, no. 1, Apr. 2022, doi: 10.24002/konstelasi.v2i1.5378.
[14] A. Wiradinata and V. Mawardi, “Abstractive Text Summarization Berita Bahasa Indonesia Menggunakan Retrieval-Augmented Generation,” Jurnal Ilmu Komputer dan Sistem Informasi, vol. 13, Jan. 2025, doi: 10.24912/jiksi.v13i1.32861.
Additional Files
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
