Eksplorasi Persepsi Pengguna Aplikasi Gojek Menggunakan Model RoBERTa pada Data Ulasan Google Play Store

Abstract

Aplikasi Gojek merupakan salah satu platform super-app terbesar di Indonesia yang menyediakan layanan transportasi, pengiriman makanan, dan pembayaran digital dengan jutaan pengguna aktif. Tingginya jumlah pengguna tercermin dari banyaknya ulasan pada Google Play Store yang mengandung opini dan pengalaman pengguna terkait kepuasan maupun keluhan terhadap layanan. Penelitian ini bertujuan menganalisis sentimen ulasan aplikasi Gojek menggunakan model RoBERTa berbasis bahasa Indonesia (indonesian-roberta-base) dengan pendekatan fine-tuning untuk klasifikasi tiga kelas sentimen, yaitu negatif, netral, dan positif. Data dikumpulkan melalui scraping Google Play Store sebanyak 25.000 ulasan, kemudian dilakukan preprocessing meliputi case folding, pembersihan noise, normalisasi slang, tokenisasi, stopword removal, dan stemming. Pelabelan sentimen dilakukan secara otomatis berdasarkan rating pengguna, yaitu rating 1–2 sebagai negatif, rating 3 sebagai netral, dan rating 4–5 sebagai positif. Untuk mengatasi ketidakseimbangan kelas pada kelas netral, diterapkan class weighting pada fungsi loss CrossEntropyLoss selama pelatihan. Dataset berjumlah 9.960 sampel dibagi dengan rasio 80:20 menggunakan stratified split. Model di-fine-tune selama 3 epoch dengan optimizer AdamW, learning rate 2e-5, dan batch size 32. Hasil evaluasi menunjukkan akurasi sebesar 77,76%, dengan performa terbaik pada kelas positif (F1-score 0,87) dan kelas negatif (F1-score 0,81), sementara kelas netral menunjukkan performa terendah (F1-score 0,22) akibat ambiguitas linguistik. Hasil ini menunjukkan bahwa model RoBERTa efektif untuk analisis sentimen ulasan aplikasi berbahasa Indonesia, namun memerlukan strategi pelabelan dan augmentasi data yang lebih baik untuk meningkatkan performa kelas netral.