View/Open

Author
AMANDA, ISTIAZAH

Date Published
14 Sep 2026

Advisor
Ilham Firman Ashari, S.Kom., M.T,

Subject
Teknik Informatika

Publisher

Perkembangan e-commerce di Indonesia menghasilkan banyak ulasan produk yang memuat pengalaman dan opini konsumen. Jumlah ulasan yang besar serta penggunaan bahasa yang beragam, seperti kata tidak baku, singkatan, dan bahasa sehari-hari, membuat analisis sentimen manual kurang efisien. Penelitian ini menerapkan dan mengevaluasi IndoRoBERTa melalui fine-tuning untuk klasifikasi sentimen biner pada ulasan produk Tokopedia menggunakan dataset Product Reviews Dataset for Emotions Classification Tasks Indonesian (PRDECT-ID) dengan kelas Positive dan Negative. Model pre-trained yaitu w11wo/indonesian-roberta-base-sentiment-classifier disesuaikan classifier head-nya dari tiga menjadi dua kelas dan dievaluasi menggunakan 5-Fold Stratified Cross Validation dengan learning rate 1×10⁻⁵, 2×10⁻⁵, dan 3×10⁻⁵. Kinerja diukur berdasarkan accuracy, precision, recall, dan F1-score. Hasil menunjukkan learning rate 2×10⁻⁵ memberikan kinerja terbaik dengan accuracy 97,79% ± 0,39%, precision 97,70% ± 0,68%, recall 97,73% ± 0,75%, dan F1-score 97,71% ± 0,41%. Hasil benchmarking menunjukkan kinerja penelitian ini lebih tinggi dibandingkan beberapa penelitian terdahulu, tetapi masih di bawah 98,52% yang dilaporkan Maysara dan Muljono (2026). Eksperimen tambahan menggunakan IndoBERT dengan konfigurasi yang sama menghasilkan accuracy 97,83

URI
https://repo.itera.ac.id/depan/submission/SB2609120007

Keyword
IndoRoBERTa Klasifikasi Sentimen Fine-Tuning PRDECT-ID 5-Fold Stratified Cross Validation