Studi perbandingan metode ekstraksi fitur untuk topic modeling berbasis aspek dan sentimen analisis pada ulasan produk E-Commerce

ABSTRAK

Perkembangan e-commerce yang pesat dalam beberapa tahun terakhir menyebabkan peningkatan signifikan terhadap jumlah ulasan produk dari pelanggan. Ulasan ini tidak hanya sebatas feedback biasa, dalam sudut pandang pelanggan, ulasan pelanggan sebelumnya dijadikan referensi dalam pengambilan keputusan pembelian . Ulasan juga penting bagi penjual untuk mengevaluasi kualitas produk dan layanan pada toko di e-commerce mereka. Penelitian ini mengusulkan pendekatan aspect-based topic modeling dan sentiment analysis terhadap ulasan e-commerce menggunakan arsitektur Deep Neural Network. Tiga teknik representasi fitur dibandingkan, yaitu TF-ICF, Word2Vec, dan IndoBERT. Hasil eksperimen menunjukkan bahwa IndoBERT memberikan performa terbaik dalam kedua tugas yang diuji. Pada klasifikasi aspek, model ini mencapai accuracy 81,39%, precision 91,49%, recall 91,25%, f1-score 91,37%, serta hamming loss terendah sebesar 0,0819. Sementara itu, pada klasifikasi sentimen, diperoleh f1-score sebesar 0,6008. Secara keseluruhan, penelitian ini menunjukkan bahwa pemodelan berbasis aspek dan analisis sentimen pada ulasan e-commerce dapat memberikan pemahaman yang lebih dalam terhadap persepsi pelanggan, serta menegaskan keunggulan model berbasis representasi kontekstual seperti IndoBERT dalam mengekstraksi informasi bermakna dari teks berbahasa Indonesia.

ABSTRACT

The growth of e-commerce in recent years has led to a significant increase in the number of product reviews from customers. The product reviews are not just ordinary feedback, in the customer's point of view, previous customer reviews are used as a reference in making purchasing decisions. The product reviews are also important for sellers to evaluate the quality of products and services in their e-commerce stores. This research proposes an aspect-based topic modeling and sentiment analysis approach to e-commerce reviews using Deep Neural Network architecture. Three feature representation techniques are compared, namely TF-ICF, Word2Vec, and IndoBERT. The experimental results show that IndoBERT provides the best performance in both tasks tested. In aspect classification, the model achieved 81.39% accuracy, 91.49% precision, 91.25% recall, 91.37% f1-score, and the lowest hamming loss of 0.0819. Meanwhile, in sentiment classification, an f1-score of 0.6008 was obtained. Overall, this study shows that aspect-based modeling and sentiment analysis on e-commerce reviews can provide a deeper understanding of customer perceptions, and confirms the superiority of contextual representation-based models such as IndoBERT in extracting meaningful information from Indonesian text.

مستخلص البحث

أدى نمو التجارة الإلكترونية في السنوات الأخيرة إلى زيادة كبيرة في عدد مراجعات المنتجات من العملاء. مراجعات المنتجات ليست مجرد تعليقات عادية، فمن وجهة نظر العميل، تُستخدم مراجعات العملاء السابقة كمرجع في اتخاذ قرارات الشراء. مراجعات المنتجات مهمة أيضًا للبائعين لتقييم جودة المنتجات والخدمات في متاجر التجارة الإلكترونية الخاصة بهم. يقترح هذا البحث نهجًا قائمًا على نمذجة الموضوعات وتحليل المشاعر لمراجعات التجارة الإلكترونية باستخدام بنية الشبكة العصبية العميقة. تتم مقارنة ثلاث تقنيات لتمثيل السمات، وهي TF-ICF، وWord2Vec، وIndoBERT. تُظهر النتائج التجريبية أن IndoBERT يوفر أفضل أداء في كلتا المهمتين اللتين تم اختبارهما. في تصنيف الجوانب، حقق النموذج دقة 81.39% ودقة 91.49% ودقة 91.49% واستدعاء 91.25% و91.37% من درجة f1 وأقل خسارة في التضمين بلغت 0.0819. وفي الوقت نفسه، في تصنيف المشاعر، تم الحصول على درجة f1 تبلغ 0.6008. بشكل عام، تُظهر هذه الدراسة أن النمذجة القائمة على الجوانب وتحليل المشاعر على مراجعات التجارة الإلكترونية يمكن أن يوفر فهمًا أعمق لتصورات العملاء، ويؤكد تفوق النماذج القائمة على التمثيل السياقي مثل IndoBERT في استخراج معلومات ذات مغزى من النص الإندونيسي.