Analisis Sentimen Terhadap Ulasan Aplikasi TikTok menggunakan Fine Tuning IndoBERT

Aplikasi TikTok merupakan salah satu platform media sosial paling populer di Indonesia dengan jutaan ulasan pengguna di Google Play Store. Ulasan ini berisi opini, kritik, apresiasi, maupun keluhan. Ulasan tersebut berpotensi menjadi sumber data penting untuk memahani persepsi pengguna, namun sulit dianalisis secara manual karena jumlahnya yang sangat besar dan penggunaan bahasa Indonesia. Penelitian ini memiliki tujuan untuk menganalisis sentimen terhadap ulasan TikTok menggunakan pendekatan deep learning dengan fine-tuning IndoBERT. Dataset sebanyak 100.002 ulasan diperoleh melalui platform Kaggle dan dilabeli otomatis berdasarkan rating positif, netral dan negatif. Tahapan pra-processing mencakup cleaning, case folding, normalisasi, tokenisasi menggunakan tokenizer IndoBERT. Model IndoBERT kemudian di fine-tune menggunakan data latih sebanyak 80% dan diuji dengan data uji sebanyak 20%. Evaluasi dilaksanakan dengan memakai metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil penelitian memperlihatkan bahwasanya IndoBERT mampu mencapai akurasi 78% dengan performa tinggi pada kelas positif F1-score 0,87 dan negatif F1-score 0,76, namun masih rendah pada kelas netral F1-score 0,00. IndoBERT efektif dalam membedakan sentimen positif dan negatif pada ulasan TikTok, serta dapat berkontribusi secara praktis bagi pengembang aplikasi dalam memahami kebutuhan dan pengalaman pengguna.