ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI RUANGGURU BERBASIS INDOBERT UNTUK EVALUASI KUALITAS LAYANAN PENDIDIKAN DIGITAL

Abstract

Pertumbuhan pesat platform pendidikan teknologi (edtech) di Indonesia mendorong kebutuhan akan mekanisme evaluasi kualitas layanan yang lebih mendalam dari sekadar agregat rating bintang. Penelitian ini bertujuan mengembangkan sistem analisis sentimen berbasis IndoBERT untuk mengklasifikasikan ulasan pengguna aplikasi Ruangguru dari Google Play Store ke dalam tiga kelas sentimen, yaitu positif, netral, dan negatif, guna mendukung evaluasi kualitas layanan pendidikan digital secara berbasis teks. Data dilabeli secara otomatis berdasarkan rating pengguna: positif (rating 4-5), netral (rating 3), dan negatif (rating 1-2). Model IndoBERT-base-p1 (indobenchmark/indobert-base-p1) digunakan sebagai model dasar yang kemudian di-fine-tuning dengan empat skenario penanganan ketidakseimbangan kelas, yaitu tanpa penyeimbangan, random oversampling, cost-sensitive learning (weighted cross-entropy), dan focal loss (gamma=2.0). Validasi dilakukan menggunakan 10-Fold Stratified Cross-Validation untuk memastikan kestabilan dan representativitas hasil, serta uji statistik Wilcoxon Signed-Rank Test untuk membandingkan performa antar skenario secara signifikan. Hasil terbaik diperoleh pada skenario tanpa penyeimbangan dengan F1-score sebesar 0.6951. Penelitian ini menunjukkan bahwa IndoBERT mampu menangkap nuansa bahasa Indonesia informal dalam ulasan pengguna aplikasi edtech dan berpotensi menjadi fondasi sistem evaluasi layanan pendidikan digital yang lebih akurat dan berbasis data opini nyata.