Komparasi Model IndoBERT dan IndoGPT untuk Analisis Sentimen pada Produk E-commerce

Abstrak

Pertumbuhan industri e-commerce di Indonesia telah menghasilkan volume komentar pengguna yang sangat besar, yang mengandung opini penting bagi pelaku bisnis dan peneliti NLP. Pemrosesan komentar secara otomatis melalui model deep learning menjadi tantangan tersendiri, khususnya dalam konteks klasifikasi sentimen. Penelitian ini bertujuan untuk membandingkan performa dua model berbasis arsitektur transformer, yaitu IndoBERT dan IndoGPT, dalam tugas analisis sentimen terhadap komentar produk kecantikan e-commerce berbahasa Indonesia. Metode yang digunakan adalah kuantitatif komparatif dengan pengujian dua skenario hyperparameter (variasi batch size, learning rate, dan epoch), serta menggunakan metrik evaluasi berupa precision, recall, f1-score, dan accuracy. Kontribusi utama penelitian ini adalah menghadirkan evaluasi head-to-head IndoBERT dan IndoGPT pada dataset e-commerce berbahasa Indonesia yang informal, sebuah konteks yang belum pernah diuji secara langsung dalam literatur sebelumnya. Hasil eksperimen menunjukkan bahwa IndoBERT secara konsisten memberikan hasil yang lebih unggul dibandingkan IndoGPT pada semua label sentimen. Accuracy tertinggi dicapai oleh IndoBERT sebesar 83 persen, mengungguli IndoGPT yang hanya mencapai 80 persen. Temuan ini menunjukkan bahwa IndoBERT lebih efektif dalam menangani ketidakseimbangan kelas dan kompleksitas bahasa dalam ulasan produk, sehingga lebih sesuai untuk diterapkan dalam sistem analisis opini otomatis di platform e-commerce.

Identifier

• DOI: https://doi.org/10.33364/algoritma/v.22-2.3070
• OpenAlex: https://openalex.org/W4417028969