ANALISIS SENTIMEN TEMPORAL MENGGUNAKAN PENDEKATAN HYBRID INDOBERT–XGBOOST PADA ULASAN APLIKASI GOJEK

Ulasan pengguna pada aplikasi Gojek di Google Play Store dapat digunakan untuk memahami persepsi dan pengalaman pengguna terhadap layanan yang diberikan. Penelitian ini bertujuan mengembangkan sistem analisis sentimen temporal berbasis web menggunakan pendeketan hybrid IndoBERT-XGBoost pada ulasan aplikasi Gojek. Data diperoleh melalui proses scraping sebanyak 53.093 ulasan, kemudian dilakukan stratified sampling sebanyak 600 ulasan yang diberi label ke dalam tiga kategori, yaitu positif, netral, dan negatif. Model memanfaatkan kombinasi fitur embedding IndoBERT, TF-IDF, fitur linguistik, fitur sentimen berbasis leksikon, dan fitur layanan hasil Named Entity Recognition (NER) yang digabungkan melalui feature concatenation dan diklasifikasikan menggunakan XGBoost. Optimasi model dilakukan dengan GridSearchCV dan Stratified K-Fold Cross Validation. Model terbaik dengan augmentasi teks menghasilkan accuracy 0.82, precision 0.81, recall 0.79, dan F1-score 0.80. Sistem diimplementasikan menggunakan ReactJS, Flask, dan PostgreSQL dilengkapi dashboard visualisasi temporal yang menampilkan tren sentimen, streamgraph, distribusi layanan, dan word cloud. Pengujian black box menunjukkan keberhasilan 100%, sedangkan evaluasi System Usability Scale (SUS) memperoleh skor rata-rata 78,3 (kategori Good). Hasil penelitian menunjukkan bahwa pendekatan hybrid IndoBERT-XGBoost mampu mengklasifikasikan sentimen ulasan berbahasa Indonesia, sekaligus efektif dalam mengungkap dinamika perubahan sentimen pengguna dari waktu ke waktu, sehingga dapat menjadi alat bantu yang digunakan untuk memantau persepsi pengguna terhadap layanan digital.