Integrasi Analisis Sentimen Berbasis IndoRoBERTa pada Sistem Temu Balik Informasi Ulasan Shopee

Abstract

Meningkatnya jumlah ulasan konsumen pada platform e-commerce di Indonesia menimbulkan tantangan dalam menemukan informasi yang relevan dan sesuai dengan kebutuhan pengguna. Sistem temu balik informasi konvensional yang hanya mengandalkan kesesuaian kata kunci belum mampu menangkap konteks dan kecenderungan emosional ulasan secara optimal. Penelitian ini bertujuan untuk mengembangkan sistem temu balik informasi berbasis pendekatan hybrid dengan mengintegrasikan pembobotan TF-IDF dan analisis sentimen menggunakan model Transformer IndoRoBERTa. Data penelitian diperoleh melalui proses scraping sebanyak 1.000 ulasan aplikasi Shopee dari Google Play Store. Skor relevansi teks dan skor sentimen digabungkan menggunakan mekanisme fusion score untuk melakukan re-ranking hasil pencarian. Hasil pengujian menunjukkan bahwa model analisis sentimen mencapai akurasi sebesar 78%. Evaluasi sistem temu balik informasi menggunakan metrik Mean Average Precision (MAP) menghasilkan nilai sebesar 0,7341. Hasil tersebut menunjukkan bahwa integrasi analisis sentimen mampu meningkatkan kualitas hasil pencarian secara lebih kontekstual pada domain e-commerce.