STRATEGI PREPROCESSING LINGUISTIK DAN SEMANTIC-BASED LABELING UNTUK AUTOMATIC INTENT DETECTOR (AID) PIPELINE PADA DATA KOMENTAR E-COMMERCE HALAMAN JUDUL

INTISARI Penelitian ini membahas adaptasi Automatic Intent Detector (AID) yang dikembangkan oleh Ferrera et al. (2025) pada data komentar live shopping e-commerce berbahasa Indonesia yang bersifat informal dan tidak terstruktur. Tujuan penelitian ini adalah mengevaluasi kinerja pipeline AID dalam konteks percakapan nyata serta mengidentifikasi keterbatasan pelabelan intent otomatis pada domain e-commerce. Variabel yang dikaji meliputi kondisi preprocessing linguistik, representasi embedding, kualitas clustering, stabilitas parsing, dan metode pelabelan otomatis. Metode analisis yang digunakan mencakup representasi embedding berbasis transformer, analisis kecenderungan cluster, clustering berbasis HDBSCAN, serta evaluasi kuantitatif dan kualitatif terhadap hasil clustering dan pelabelan otomatis. Hasil penelitian menunjukkan bahwa penerapan preprocessing linguistik berupa normalisasi kata informal dan entity masking meningkatkan kualitas clustering yang ditunjukkan oleh peningkatan Silhouette Score serta meningkatkan kestabilan parser dalam mengekstraksi pasangan action–object. Evaluasi pelabelan otomatis menunjukkan bahwa pendekatan majority action–object rentan terhadap bias frekuensi, sedangkan pendekatan centroid-based representative selection mampu menghasilkan label yang lebih spesifik namun masih memiliki keterbatasan dari sisi keterbacaan. Kesimpulan penelitian ini menunjukkan bahwa pipeline AID dapat diadaptasi secara efektif untuk data komentar e-commerce berbahasa Indonesia pada tahap clustering. Namun demikian, pelabelan intent otomatis masih menjadi tantangan utama, sehingga pengembangan strategi pelabelan yang lebih adaptif diperlukan untuk meningkatkan interpretabilitas intent pada konteks percakapan nyata.