ANALISIS SENTIMEN BERBASIS PENGENALAN UCAPAN PADA VIDEO REVIEW PRODUK MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESNTATIONS FROM TRANSFORMERS (BERT)

Dalam era informasi saat ini, YouTube berperan sebagai platform media sosial utama dengan pengguna aktif harian yang sangat banyak. Popularitas konten review produk di Youtube mempermudah pengguna untuk mencari review produk yang diinginkan namun seringkali video tersebut memiliki durasi panjang untuk kebutuhan pemasangan iklan, sehingga dibutuhkan pendekatan analisis sentimen untuk dapat mengetahui kesimpulan dari review produk secara efisien.

Penelitian ini bertujuan untuk mengembangkan model yang mampu menganalis sentimen pada video review produk. Penelitian ini memanfaatkan teknologi pengenalan ucapan dan model pre-trained BERT agar dapat menganalisis sentimen berdasarkan ucapan pada video review produk.

Metodologi yang digunakan pada penelitian ini meliputi pengumpulan dataset video review produk, kemudian mengekstrak audio lalu mengkonversi data audio menjadi data teks yang di augmentasi menggunakan teknik random insertion dan random replacement dan menerapkan fine tunning model IndoBERT untuk tugas analisis sentimen. Pengujian dan evaluasi model dilakukan dalam 4 skenario berbeda dengan ukuran batch 4, 8, 16, dan 32, kemudian mengukur performa berdasarkan precision, recall, dan f1-score.

Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu melakukan sentimen analisis dengan performa yang baik dengan nilai f1-score yang tinggi. Skor tersebut mencapai 97,04% untuk ukuran batch 4 dan pada ukuran batch 8 mencapai 97,14%. Sedangkan pada ukuran batch 16 dan 32 mencapai 97,23% dan 97,41%, menunjukkan konsistensi performa yang baik pada berbagai ukuran batch.