ANALISIS SENTIMEN ULASAN PRODUK MENGGUNAKAN LARGE LANGUAGE MODELS: STUDI KASUS PADA SHOPEE

Abstract

Perkembangan pesat e-commerce telah meningkatkan jumlah ulasan produk yang tersedia di platform seperti Shopee. Ulasan ini dapat menjadi sumber informasi berharga bagi penjual dalam memahami persepsi konsumen dan meningkatkan strategi pemasaran. Namun, besarnya volume dan kompleksitas bahasa dalam ulasan membuat analisis manual menjadi tidak efisien. Penelitian ini bertujuan untuk menganalisis sentimen ulasan produk di Shopee menggunakan Large Language Models (LLMs), khususnya model Gemini 1.5-Pro yang telah di-fine-tune agar lebih sesuai dengan bahasa pengguna Shopee. Metode yang digunakan mencakup pengumpulan data melalui web scraping, preprocessing data, fine-tuning model, serta evaluasi performa model berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan sentimen ulasan ke dalam kategori positif, negatif, dan netral dengan akurasi berkisar antara 66,67% hingga 85,71%.