DETEKSI SARKASME PADA ULASAN APLIKASI MYPERTAMINA MENGGUNAKAN MODEL INDOBERT DENGAN PENDEKATAN CRISP-DM

Abstrak

Perkembangan layanan digital pada sektor energi mendorong peningkatan interaksi pengguna melalui media
ulasan aplikasi. Salah satu aplikasi yang banyak memperoleh perhatian masyarakat adalah MyPertamina, yang
digunakan sebagai sarana transaksi digital dan distribusi bahan bakar bersubsidi. Ulasan pengguna pada Google
Play Store mengandung berbagai opini yang dapat dimanfaatkan sebagai sumber informasi untuk mengevaluasi
kualitas layanan. Namun, keberadaan kalimat sarkastik menyebabkan proses analisis sentimen konvensional
sering menghasilkan klasifikasi yang kurang akurat karena makna harfiah kalimat berbeda dengan maksud
sebenarnya. Penelitian ini bertujuan membangun sistem deteksi sarkasme pada ulasan aplikasi MyPertamina
menggunakan model IndoBERT dengan pendekatan Cross Industry Standard Process for Data Mining
(CRISP-DM). Dataset penelitian diperoleh melalui teknik web scraping terhadap 10.000 ulasan pengguna
berbahasa Indonesia yang kemudian melalui tahapan preprocessing meliputi pembersihan teks, normalisasi
kata, stemming, tokenisasi, dan pelabelan data. Model IndoBERT kemudian dilakukan proses fine-tuning untuk
mengklasifikasikan ulasan ke dalam kategori sarkasme dan non-sarkasme. Evaluasi model dilakukan
menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model
mampu mencapai akurasi sebesar 94% dengan nilai Macro F1-score sebesar 0,93. Nilai recall yang tinggi pada
kelas sarkasme menunjukkan kemampuan model dalam mengenali pola ironi dan kontradiksi makna pada
ulasan pengguna. Hasil penelitian menunjukkan bahwa pemanfaatan IndoBERT yang dipadukan dengan
pendekatan CRISP-DM mampu meningkatkan efektivitas deteksi sarkasme sehingga dapat menjadi pendukung
analisis sentimen yang lebih akurat pada layanan digital berbasis ulasan pengguna.