Implementasi Model IndoBERT Untuk Analisis Sentimen Berbasis Aspek Dan Visualisasinya Pada Dashboard Interaktif Ulasan Restoran

Abstract

Peningkatan jumlah ulasan pelanggan pada platform digital restoran menghasilkan data tidak terstruktur yang sulit untuk dianalisis secara manual. Selain itu, satu ulasan sering kali memuat beberapa aspek dengan sentimen yang berbeda sehingga diperlukan pendekatan yang mampu mengidentifikasi sentimen pada setiap aspek secara terpisah. Penelitian ini bertujuan mengimplementasikan arsitektur IndoBERT untuk melakukan Aspect-Based Sentiment Analysis (ABSA) serta memvisualisasikan hasilnya melalui dashboard analitik interaktif. Model dikembangkan menggunakan pendekatan Sentence Pair Classification (SPC) terhadap 1.080 ulasan pelanggan BPK Tesalonika yang dipasangkan dengan lima kategori aspek sehingga menghasilkan 5.400 pasangan data. Hasil eksperimen menunjukkan bahwa konfigurasi learning rate 5×10⁻⁵ memberikan performa terbaik. Ketidakseimbangan distribusi kelas ditangani menggunakan pendekatan Cost-Sensitive Learning dengan fungsi Weighted Cross-Entropy. Hasil pengujian menunjukkan bahwa model mampu mendeteksi aspek dengan akurasi 95,09% dan F1-Score 92,08%, sedangkan klasifikasi sentimen memperoleh akurasi 90,00% dan Macro F1-Score 85,56%. Model selanjutnya diintegrasikan ke dalam aplikasi berbasis Flask sehingga hasil analisis dapat disajikan melalui dashboard interaktif, sistem yang dikembangkan mampu menyajikan ringkasan distribusi aspek dan sentimen pelanggan secara otomatis melalui dashboard interaktif sebagai media pendukung evaluasi layanan dan pengambilan keputusan berbasis data