ANALISIS SENTIMEN MASYARAKAT TERHADAP LAYANAN TRANSPORTASI ONLINE GRAB MENGGUNAKAN MODEL INDOBERT (INDONESIAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMER)

Perkembangan transportasi online mendorong pengguna menyampaikan opini mengenai kualitas layanan melalui Platform X (Twitter), sehingga analisis sentimen dapat dimanfaatkan untuk mengetahui persepsi masyarakat terhadap layanan Grab. Penelitian ini bertujuan menganalisis sentimen pengguna terhadap layanan Grab serta mengimplementasikan model IndoBERT untuk mengklasifikasikan sentimen ke dalam kategori positif, negatif, dan netral. Data penelitian diperoleh melalui proses crawling menggunakan Application Programming Interface (API) sebanyak 5.357 cuitan. Setelah dilakukan tahapan preprocessing, diperoleh 4.403 data yang digunakan sebagai dataset penelitian. Pelabelan sentimen dilakukan menggunakan metode Lexicon-Based dengan InSet Lexicon, kemudian data dibagi menggunakan rasio 80:20, diseimbangkan dengan Random Oversampling, dan dilakukan proses fine-tuning pada model IndoBERT. Hasil penelitian menunjukkan distribusi sentimen sebanyak 2.117 sentimen negatif, 1.988 sentimen positif, dan 298 sentimen netral. Model IndoBERT memperoleh akurasi sebesar 78% pada tahap pengujian. Selain itu, berdasarkan hasil classification report, model mencapai akurasi sebesar 79%, yang menunjukkan kemampuan yang baik dalam mengklasifikasikan sentimen pengguna layanan Grab. Hasil penelitian ini menunjukkan bahwa model IndoBERT efektif diterapkan pada analisis sentimen berbahasa Indonesia dan dapat menjadi bahan evaluasi dalam meningkatkan kualitas layanan Grab.