SENTIMEN ANALISIS ULASAN FILM MENGGUNAKAN MODEL INDOBERT DENGAN TEKNIK FINE-TUNING

Analisis sentimen pada ulasan film menjadi krusial untuk memahami persepsi publik dan memberikan wawasan bagi industri sinema. Namun, tingginya volume ulasan di platform digital serta sifatnya yang tidak terstruktur membuat analisis secara manual menjadi tidak efisien, memakan waktu, dan rentan terhadap subjektivitas. Dari permasalahan tersebut, penelitian ini bertujuan untuk mengembangkan sebuah sistem analisis sentimen yang dapat mengotomatisasi proses tersebut.
Sistem ini dibangun dengan pendekatan data science terstruktur menggunakan metodologi CRISP-DM, yang mencakup tahap pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penyebaran.Model inti yang digunakan adalah IndoBERT, sebuah arsitektur deep learning berbasis Transformer, yang di-fine-tuning pada dataset ulasan film yang telah diseimbangkan.
Hasil evaluasi menunjukkan bahwa model yang diusulkan mencapai performa yang kuat dalam mengklasifikasikan sentimen ke dalam tiga kategori (Positif, Netral, Negatif), dengan akurasi dan F1-score (weighted) sebesar 70%. Sistem ini kemudian diimplementasikan ke dalam prototipe aplikasi web interaktif menggunakan framework Streamlit, yang memungkinkan pengguna untuk memasukkan ulasan baru dan melihat hasil analisis secara real-time. Berdasarkan hasil pengujian, sistem ini terbukti efektif dalam menyajikan ringkasan sentimen secara objektif dan akurat.