View/Open

Author
DARA, CANTIKA DEWI

Advisor
Luluk Muthoharoh, S.Si., M.Si.,
Mika Alvionita S, S.Si., M.Si.,

Koleksi
Sains Data

Publisher

Pertumbuhan industri kecantikan di Indonesia mendorong meningkatnya jumlah ulasan konsumen di platform e-commerce, yang dapat dimanfaatkan untuk memahami persepsi dan preferensi pengguna. Penelitian ini bertujuan untuk menentukan kombinasi hyperparameter terbaik untuk mengoptimalkan performa model IndoBERT, serta mengevaluasi kemampuannya dalam mengklasifikasikan sentimen ulasan produk makeup dan skincare berbahasa Indonesia. Data sebanyak 15.389 ulasan dikumpulkan melalui scraping dari platform e-commerce, diterjemahkan ke bahasa Inggris, dan dilabeli secara otomatis menggunakan metode VADER. Data kemudian dibersihkan, ditokenisasi, dan digunakan untuk fine-tuning model IndoBERT Base P2 dengan variasi learning rate dan batch size. Konfigurasi terbaik diperoleh pada learning rate 3e-5 dan batch size 8 selama 3 epoch, menghasilkan akurasi validasi 94%. Evaluasi pada 2.294 data uji menunjukkan akurasi 95%, macro F1-score 0.91, dan weighted F1-score 0.94. Model menunjukkan performa sangat baik pada kelas positif (F1 = 0.97) dan netral (F1 = 0.92), serta cukup baik pada kelas negatif (F1 = 0.84). Hasil ini menunjukkan bahwa IndoBERT efektif dalam memahami berbagai ekspresi sentimen dan dapat diandalkan untuk mendukung pengambilan keputusan strategis di sektor e-commerce kecantikan.

URI
https://repo.itera.ac.id/depan/submission/SB2508140044

Keyword
Analisis Sentimen E-Commerce IndoBERT Makeup Skincare