Aspect-Based Sentiment Analysis pada Ulasan Pengguna Aplikasi Mobile JKN Menggunakan Model Berbasis Transformer

Akhmad Syukur Pangestu; Efrans Christian; Ariesta Lestari

doi:10.47111/jointecoms.v5i4.25348

Aspect-Based Sentiment Analysis pada Ulasan Pengguna Aplikasi Mobile JKN Menggunakan Model Berbasis Transformer

Authors

Akhmad Syukur Pangestu Teknik Informatika, Fakultas Teknik, Universitas Palangka Raya
Efrans Christian Teknik Informatika, Fakultas Teknik, Universitas Palangka Raya
Ariesta Lestari Teknik Informatika, Fakultas Teknik, Universitas Palangka Raya

DOI:

https://doi.org/10.47111/jointecoms.v5i4.25348

Keywords:

Analisis Sentimen, ABSA, Mobile JKN, Transformer, BERT, Google Gemini, LDA

Abstract

Peningkatan penggunaan aplikasi mobile menuntut adanya evaluasi kualitas layanan berdasarkan umpan balik pengguna. Penelitian ini bertujuan untuk melakukan Analisis Sentimen Berbasis Aspek (Aspect-Based Sentiment Analysis/ABSA) terhadap ulasan pengguna aplikasi Mobile JKN yang diambil dari Google Play Store. Data dikumpulkan melalui teknik scraping menggunakan pustaka google-play-scraper dan difilter agar hanya mencakup ulasan dalam bahasa Indonesia dengan jumlah minimal lima kata, menghasilkan sebanyak 55.688 data ulasan.

Tahapan preprocessing yang diterapkan mencakup pembersihan data, case folding, normalisasi, tokenisasi, penghapusan stopword, dan lemmatization. Pemodelan topik dilakukan menggunakan algoritma Latent Dirichlet Allocation (LDA), dan pelabelan aspek dibantu oleh teknologi Generative AI Google Gemini versi 2.0 Flash. Proses klasifikasi aspek dan sentimen dilakukan secara multitugas menggunakan tiga model berbasis transformer, yaitu IndoBERT, RoBERTa, dan DistilBERT.

Evaluasi menunjukkan bahwa model IndoBERT memperoleh akurasi tertinggi pada klasifikasi sentimen sebesar 96% dan akurasi klasifikasi aspek sebesar 91%. Dengan demikian, IndoBERT dipilih untuk diimplementasikan dalam antarmuka web berbasis Streamlit. Penelitian ini menunjukkan bahwa pendekatan ABSA berbasis transformer dan AI generatif dapat memberikan pemahaman lebih dalam terhadap opini pengguna dan menjadi dasar dalam perbaikan layanan aplikasi digital.

Downloads

Download data is not yet available.

DOI: 10.47111/jointecoms.v5i4.25348 DOI URL: https://doi.org/10.47111/jointecoms.v5i4.25348

Views: 0 | Downloads: 3

References

[1] W. K. Suhet and A. Nugroho, “Analisis Sentimen Penilaian Masyarakat Indonesia Terhadap Konferensi G20 Di Bali Dengan Menggunakan Metode Naive Bayes,” J. Indones. Manaj. Inform. dan Komun., vol. 4, no. 3, pp. 904–912, 2023, doi: 10.35870/jimik.v4i3.290.

[2] D. Arianto and I. Budi, “Aspect-based Sentiment Analysis on Indonesia’s Tourism Destinations Based on Google Maps User Code-Mixed Reviews (Study Case: Borobudur and Prambanan Temples),” Proc. 34th Pacific Asia Conf. Lang. Inf. Comput., vol. 2019, no. PACLIC, pp. 359–367, 2020, [Online]. Available: https://aclanthology.org/2020.paclic-1.41

[3] M. A. N. Febriansyach, F. Rashif, G. I. P. Nirvana, and N. A. Rakhmawati, “Implementasi LDA untuk Pengelompokan Topik Tweet Akun Bot Twitter bertagar #covid-19,” CogITo Smart J., vol. 7, no. 1, pp. 170–181, 2021, doi: 10.31154/cogito.v7i1.299.170-181.

[4] Y. Sahria and D. Hatta Fudholi, “Analisis Topik Penelitian Kesehatan di Indonesia Menggunakan Metode Topic Modeling LDA (Latent Dirichlet Allocation),” Masa Berlaku Mulai, vol. 1, no. 3, pp. 336–344, 2017.

[5] R. Z. Suchrady and A. Purwarianti, “Indo LEGO-ABSA: A Multitask Generative Aspect Based Sentiment Analysis for Indonesian Language,” Proc. Int. Conf. Electr. Eng. Informatics, 2023, doi: 10.1109/ICEEI59426.2023.10346852.

[6] V. H. Pranatawijaya, N. N. K. Sari, R. A. Rahman, E. Christian, and S. Geges, “Unveiling User Sentiment: Aspect-Based Analysis and Topic Modeling of Ride-Hailing and Google Play App Reviews,” J. Inf. Syst. Eng. Bus. Intell., vol. 10, no. 3, pp. 328–339, 2024, doi: 10.20473/jisebi.10.3.328-339.

[7] A. Bahari and K. E. Dewi, “Peringkasan Teks Otomatis Abstraktif Menggunakan Transformer Pada Teks Bahasa Indonesia,” Komputa J. Ilm. Komput. dan Inform., vol. 13, no. 1, pp. 83–91, 2024, doi: 10.34010/komputa.v13i1.11197.

[8] U. A. A. Al-Faruq, “Implementasi Arsitektur Transformer pada Image Captioning dengan Bahasa Indonesia,” Automata, 2021.

[9] H. Jayadianti, W. Kaswidjanti, A. T. Utomo, S. Saifullah, F. A. Dwiyanto, and R. Drezewski, “Sentiment analysis of Indonesian reviews using fine-tuning IndoBERT and R-CNN,” Ilk. J. Ilm., vol. 14, no. 3, pp. 348–354, 2022, doi: 10.33096/ilkom.v14i3.1505.348-354.

[10] N. A. R. Putri and Ardiansyah, “Analisis Sentimen Terhadap Kemajuan Kecerdasan Buatan di Indonesia Menggunakan BERT dan RoBERTa,” J. Sains dan Inform., vol. 9, no. 2, pp. 136–145, 2023, doi: 10.34128/jsi.v9i2.649.

[11] Ade Chandra Saputra, Agus Sehatman Saragih, and Deddy Ronaldo, “Perbandingan Nilai Akurasi Distil Bert Dan Bert Pada Dataset Analisis Sentimen Lembaga Kursus,” https://e-journal.upr.ac.id/index.php/JTI, vol. Vol 18 No 2, no. 2, pp. 160–171, 2024, doi: https://doi.org/10.47111/JTI.

[12] Erlin, Josef Sianturi, Alyauma Hajjah, and Agustin, “Analisis Sentimen Prosesor AMD Ryzen menggunakan Metode Support Vector Machine,” SATIN - Sains dan Teknol. Inf., vol. 7, no. 2, pp. 129–141, 2021, doi: 10.33372/stn.v7i2.804.

Downloads

Published

2025-12-30

How to Cite

Syukur Pangestu, A., Christian, E., & Lestari, A. (2025). Aspect-Based Sentiment Analysis pada Ulasan Pengguna Aplikasi Mobile JKN Menggunakan Model Berbasis Transformer. Journal of Information Technology and Computer Science, 5(4), 401–411. https://doi.org/10.47111/jointecoms.v5i4.25348