Analisis Sentimen Ulasan Pengguna Livin’ by Mandiri Menggunakan Model Deep Transformer IndoBERT
Keywords:
IndoBERT, Analisis Sentimen, Livin’ by Mandiri, Transformer, Ulasan PenggunaAbstract
Perkembangan layanan perbankan digital menghasilkan sejumlah besar ulasan pengguna yang dapat dimanfaatkan untuk memahami persepsi terhadap kualitas layanan aplikasi. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Livin’ by Mandiri menggunakan model IndoBERT melalui proses fine-tuning. Data penelitian berasal dari ulasan pengguna yang diklasifikasikan ke dalam dua kelas sentimen, yaitu positif dan negatif, dengan rating 3 dikeluarkan sebagai kategori netral. Sebanyak 15.000 ulasan dipilih menggunakan stratified sampling dan dibagi menjadi 70% data latih, 20% validasi, dan 10% data uji. Proses pemodelan menggunakan IndoBERT Base P1 dengan panjang maksimum 128 token dan pelatihan selama tiga epoch. Evaluasi dilakukan menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada epoch pertama dengan validation accuracy sebesar 92,77% dan F1-score sebesar 94,49%. Pada data uji, model menghasilkan accuracy sebesar 92%, macro F1-score 91%, dan weighted F1-score 92%. F1-score kelas negatif mencapai 0,88, sedangkan kelas positif sebesar 0,94. Hasil tersebut menunjukkan bahwa IndoBERT mampu melakukan klasifikasi sentimen ulasan Livin’ by Mandiri dengan kinerja yang baik serta berpotensi digunakan untuk mendukung analisis opini pengguna pada layanan perbankan digital.
Downloads
References
A’la, F. Y. (2025). Optimasi klasifikasi sentimen ulasan game berbahasa Indonesia: IndoBERT dan SMOTE untuk menangani ketidakseimbangan kelas. Edumatic: Jurnal Pendidikan Informatika, 9(1), 256–265. https://doi.org/10.29408/edumatic.v9i1.29666
Ali, M. H., & Ismail, J. (2025). Analisis sentimen aplikasi Livin dengan algoritma Neural Network, Random Forest, dan SVM. Jurnal Penelitian Ilmu Komputer, 3(2), 58–66. https://jpilkom.org/index.php/journal/article/view/84
Aqiilah, I. N., Saptono, R., & Syaifuddin, A. (2026). Sentence-level sentiment analysis of Indonesian app reviews using IndoBERTweet. Journal of Computing Theories and Applications, 4(1), 74–91. https://doi.org/10.62411/jcta.16240
Assani, M. Y., Rudiyan, A., & Radiyah, U. (2025). NLP-based sentiment analysis of Islamic mobile banking reviews for digital service quality enhancement. Jurnal Bumigora Information Technology (BITe), 7(2), 131–140. https://doi.org/10.30812/bite.v7i2.5943
Basri, M. H. (2024). Pemodelan topik dan analisis sentimen pada teks ulasan pengguna aplikasi perbankan seluler di Indonesia. The Indonesian Journal of Computer Science, 13(4). https://doi.org/10.33022/ijcs.v13i4.4200
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, 1, 4171–4186. https://arxiv.org/abs/1810.04805
Geni, L., Yulianti, E., & Sensuse, D. I. (2023). Sentiment analysis of tweets before the 2024 elections in Indonesia using BERT language models. Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, 9(3), 746–757. https://doi.org/10.26555/jiteki.v9i3.26490
Jayadianti, H., Kaswidjanti, W., Utomo, A. T., Saifullah, S., Dwiyanto, F. A., & Drezewski, R. (2022). Sentiment analysis of Indonesian reviews using fine-tuning IndoBERT and R-CNN. ILKOM Jurnal Ilmiah, 14(3), 348–354. https://doi.org/10.33096/ilkom.v14i3.1505.348-354
Kokab, S. T., Asghar, S., & Naz, S. (2022). Transformer-based deep learning models for the sentiment analysis of social media data. Array, 14, 100157. https://doi.org/10.1016/j.array.2022.100157
Kurnia, O. D., Daniati, E., & Ristyawan, A. (2025). Kinerja algoritma machine learning dalam analisis sentimen ulasan pengguna aplikasi Livin’ by Mandiri pada Google Play Store. Jurnal Mahasiswa Sistem Informasi (JMSI), 6(2), 223–231. https://doi.org/10.24127/jmsi.v6i2.8993
Mahmutovic, K. (2026). Analyzing user-generated reviews to identify experience dimensions and their impact on satisfaction with mobile banking applications. Ekonomski Vjesnik/Econviews – Review of Contemporary Business, Entrepreneurship and Economic Issues, 38(2). https://doi.org/10.51680/ev.38.2.6
Maysara, A. L. (2026). Optimalisasi akurasi dan stabilitas analisis sentimen ulasan e-commerce Indonesia melalui fine-tuning Transformer IndoBERT. Infotekmesin, 17(1), 9–17. https://doi.org/10.35970/infotekmesin.v17i1.3037
Online review based IPA and IPCA: The case of Korean mobile banking apps. (2024). International Journal of Bank Marketing, 43(4), 731–756. https://doi.org/10.1108/IJBM-03-2024-0136
Simarmata, A. A. P., & Sasongko, T. B. (2025). Sentiment analysis on BRImo application reviews using IndoBERT. Journal of Applied Informatics and Computing, 9(3), 851–862. https://doi.org/10.30871/jaic.v9i3.8162
Sutrisno, J., & Putri, J. G. E. (2026). Analisis sentimen pada aplikasi Livin’ by Mandiri menggunakan metode TF-IDF dan Naive Bayes. JIEMS (Journal of Industrial Engineering and Management Systems), 17(1). https://doi.org/10.30813/jiems.v17i1.8931
Triawan, P., Tahyudin, I., & Purwadi. (2026). A hybrid feature-enriched IndoBERT framework for sentiment analysis of ride-hailing service reviews in Indonesia. Journal of Information Systems and Informatics, 8(2). https://doi.org/10.63158/journalisi.v8i2.1587
Wilie, B., Vincentio, K., Winata, G. I., Cahyawijaya, S., Li, X., Lim, Z. Y., Soleman, S., Mahendra, R., Fung, P., Bahar, S., & Purwarianti, A. (2020). IndoNLU: Benchmark and resources for evaluating Indonesian natural language understanding. Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 10th International Joint Conference on Natural Language Processing, 843–857. https://doi.org/10.18653/v1/2020.aacl-main.85
Downloads
Published
Data Availability Statement
Seluruh data yang mendukung hasil penelitian ini telah disertakan dalam artikel. Informasi tambahan atau dokumen pendukung terkait dapat diperoleh dari penulis
Issue
Section
License
Copyright (c) 2026 Duwi Purnama Sidik, Fatqurhohman Fatqurhohman (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta artikel tetap berada pada penulis.
Seluruh artikel yang diterbitkan dalam JINTEN: Journal of Intelligent Systems and Digital Science dilisensikan di bawah Creative Commons Attribution-ShareAlike 4.0 International License (CC BY-SA 4.0).
Lisensi ini mengizinkan pengguna untuk membaca, mengunduh, menyalin, mendistribusikan, mencetak, menelusuri, menautkan, serta mengadaptasi karya untuk tujuan yang sah dengan tetap memberikan atribusi yang sesuai kepada penulis dan sumber publikasi serta mendistribusikan karya turunan dengan lisensi yang sama.
Penulis memberikan hak publikasi pertama kepada jurnal dan tetap memiliki hak cipta atas artikel yang diterbitkan. Penulis juga diperbolehkan menyimpan, membagikan, dan mengarsipkan versi artikel yang telah dipublikasikan pada repositori institusi, situs web pribadi, maupun platform ilmiah lainnya dengan tetap mencantumkan sitasi yang sesuai terhadap publikasi asli dalam jurnal ini.
