Analisis Sentimen Berbasis Aspek Pada Pengguna Aplikasi Shopee Berdasarkan Ulasan Google Play Store
Demo & Pengujian Sistem: Analisis Sentimen Berbasis Aspek Pada Pengguna Aplikasi Shopee Berdasarkan Ulasan Google Play Store
Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Analisis Sentimen Berbasis Aspek Pada Pengguna Aplikasi Shopee Berdasarkan Ulasan Google Play Store via TikTok.
Overview & Cara Kerja
Latar Belakang Masalah
Shopee merupakan platform e-commerce nomor satu di Indonesia dengan puluhan juta pengguna aktif harian dan ratusan ribu ulasan yang masuk secara kontinu di Google Play Store. Ulasan pengguna ini mencerminkan suara langsung konsumen (voice of customer) terkait kualitas layanan, stabilitas aplikasi, dan kepuasan berbelanja.
Namun, manajemen Shopee maupun peneliti bisnis menghadapi tantangan analitik yang berat:
- Keterbatasan Analisis Sentimen Konvensional: Analisis sentimen umum hanya memberikan polaritas tunggal pada level dokumen (Positif atau Negatif). Hal ini tidak informatif ketika pengguna menulis ulasan campuran berdimensi banyak, misalnya: "Barang sampai cepat banget kurir ramah, tapi pas bayar saldo ShopeePay kepotong dobel dan aplikasinya ngelag." Ulasan tersebut bernilai positif pada pengiriman, namun sangat negatif pada sistem pembayaran dan aplikasi.
- Kekayaan Bahasa Gaul & Slang Indonesia: Bahasa ulasan pengguna diwarnai singkatan e-commerce informal (spx, spaylater, cod, olshop, ongkir, muter, lemot, eror) dan struktur tata bahasa tidak baku yang membingungkan algoritma pemrosesan teks standar.
- Kebutuhan Deteksi Dini Lonjakan Komplain: Tanpa pemodelan peramalan deret waktu (time-series forecasting), tim operasional tidak dapat mengantisipasi lonjakan komplain teknis pasca-pembaruan versi (update release) atau kampanye promo tanggal kembar (double-date sales).
Solusi & Nilai Tambah Sistem
Produk ini menghadirkan pipeline analitik cerdas end-to-end yang memadukan rekayasa teks domain e-commerce, ekstraksi aspek otomatis, pemodelan Transformer state-of-the-art, dan peramalan ekonometrika:
- Akuisisi Data Ulasan Skala Besar (10.000 Sampel): Mengikis ulasan resmi Play Store menggunakan strategi ganda (Dual-Sorting Strategy): 5.000 ulasan teranyar (Newest) untuk memantau isu pasca-update dan 5.000 ulasan paling relevan (Most Relevant) untuk menggali keluhan mendalam.
- Taksonomi 4 Aspek Operasional Kritis:
- Aplikasi_Bug_UI: Kinerja aplikasi, crash, loading lambat, bug antarmuka, verifikasi OTP, dan login akun.
- Pengiriman_Logistik: Kecepatan kurir SPX/J&T, estimasi tiba, pelacakan nomor resi, dan voucher gratis ongkir.
- Transaksi_ShopeePay_Promo: Metode pembayaran ShopeePay, SPayLater, transfer perbankan, COD, koin, cashback, dan biaya penanganan.
- Pelayanan_Seller_CS: Respons Customer Service (Live Chat), toko penjual, garansi barang rusak, retur, dan refund.
- Ekstraksi Aspek Leksikon Terbobot & Pelabelan Otomatis IndoBERT: Menggabungkan leksikon domain terbobot (>100 kata kunci) dengan model Transformer bahasa Indonesia
mdhugol/indonesia-bert-sentiment-classificationyang diselaraskan dengan rating bintang untuk menjamin konsistensi label. - Benchmarking Komparatif 14 Model ML/DL: Menguji 12 algoritma Machine Learning (Logistic Regression, LinearSVC, RBF SVM, Naive Bayes, Random Forest, XGBoost, LightGBM, CatBoost, dll.), 2 arsitektur Deep Learning (PyTorch BiLSTM Attention & Fine-Tuned IndoBERT), menghasilkan IndoBERT Transformer sebagai pemenang dengan Akurasi 94.04%, Recall Macro 95.54%, dan F1-Score Macro 86.20%.
- Peramalan Deret Waktu Ekonometrika SARIMAX: Mengimplementasikan model deret waktu musiman SARIMAX(1, 0, 1) untuk memproyeksikan rasio komplain harian 14 hari ke depan lengkap dengan interval kepercayaan 95%.
- Dashboard Web Interaktif & RESTful API: Aplikasi web modern responsif Tailwind CSS dengan visualisasi matriks benchmark, sandbox pengujian teks ulasan interaktif dengan deteksi aspek otomatis, dan REST API
/api/predict.
Fitur Utama Platform
- Klasifikasi Sentimen Berbasis Aspek Otomatis: Mendeteksi aspek operasional dan sentimen (Positif, Netral, Negatif) secara instan hanya dari teks mentah pengguna.
- Aspect Conditioning Sequence: Format token cerdas
[ASPECT: <kategori>] <ulasan_bersih>yang memungkinkan model memahami konteks spesifik aspek yang sedang dievaluasi. - Sandbox Pengujian Interaktif dengan 5 Preset Riil: Pengujian 1-klik untuk berbagai skenario ulasan (pujian promo, keluhan aplikasi crash, apresiasi kurir SPX, kendala saldo tertahan, dan kepuasan seller).
- Breakdown Probabilitas Sentimen & Latensi Inferensi: Menampilkan visualisasi persentase keyakinan ketiga kelas sentimen serta waktu eksekusi milidetik.
- Visualisasi Metrik 14 Model Terintegrasi: Halaman web menyajikan tabel perbandingan akurasi, presisi, recall, F1-score, dan kecepatan latensi seluruh model.
- Modul Ekonometrika SARIMAX Forecasting: Proyeksi tren risiko komplain pengguna 14 hari ke depan untuk mendukung kesiapan tim Customer Support.
- RESTful JSON API Terstandarisasi: Endpoint
/api/predict,/api/metrics, dan/api/healthyang siap diintegrasikan ke sistem dashboard analitik internal perusahaan atau aplikasi mobile.
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
Scraping 10.000 Ulasan Play Store (Dual-Sorting Strategy)
Mengikis 10.000 ulasan resmi Shopee Indonesia menggunakan kombinasi 5.000 ulasan teranyar dan 5.000 ulasan paling relevan melalui library google-play-scraper.
Pembersihan Teks NLP E-Commerce & Normalisasi Slang Shopee
Menerapkan pembersihan regex, normalisasi elongasi karakter, standarisasi kamus slang e-commerce (>180 kata), dan penghapusan stopword selektif yang mempertahankan kata negasi.
Ekstraksi 4 Aspek Operasional Berbasis Leksikon Domain Terbobot
Mengelompokkan ulasan ke dalam 4 aspek operasional (Aplikasi Bug UI, Pengiriman Logistik, Transaksi ShopeePay Promo, Pelayanan Seller CS) menggunakan leksikon kata kunci terbobot.
Pelabelan Sentimen Otomatis & Konsistensi Rating IndoBERT
Memberikan label sentimen (Positif, Netral, Negatif) memanfaatkan pretrained Transformer IndoBERT yang divalidasi silang terhadap rating bintang untuk mengeliminasi anomali.
Pelatihan & Benchmark 14 Model ML/DL (IndoBERT #1 Akurasi 94.04%)
Melatih 12 algoritma Machine Learning dengan TF-IDF N-gram dan 2 Deep Learning, menghasilkan Fine-Tuned IndoBERT sebagai model terbaik (Akurasi 94.04%, Recall 95.54%).
Deployment Dashboard Web Interaktif, Proyeksi SARIMAX & REST API
Menyajikan dashboard responsif Tailwind CSS dengan sandbox inferensi real-time, grafik proyeksi keluhan harian SARIMAX 14 hari ke depan, dan endpoint REST API JSON.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
Pertanyaan yang Sering Diajukan (FAQ)
Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:
Bagaimana cara mendapatkan source code setelah pembayaran?
Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.
Apakah ada panduan instalasi dan dokumentasi teknis?
Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.
Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?
Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.
Bagaimana jika saya mengalami kendala teknis saat instalasi?
Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.
Ulasan Pembeli
Ulasan terverifikasi dari pengguna yang telah membeli project ini.
Belum ada ulasan untuk project ini.
Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.
Yang Anda Dapatkan:
- Full Source Code Lengkap & Aset Project
- Teknologi: Python, Flask, PyTorch, Tailwind CSS
- Panduan Instalasi & Konfigurasi Lingkungan
- Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
- Hak Lisensi Tugas Akhir, Skripsi & Komersial
- Akses Unduhan Berkas ZIP & Code Explorer Langsung