Abstrak
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Seiring dengan meningkatnya persaingan, e-commerce akan membutuhkan sebuah
sistem untuk secara terus-menerus memantau dan mendapatkan umpan balik dari pasar
untuk mendapatkan keunggulan kompetitif. Riset ini mengusulkan sebuah sistem
competitive intelligence (CI) untuk memfasilitasi e-commerce dengan alat untuk memonitor
para kompetitor mereka dan juga membantu dalam pengambilan keputusan yang
berdasarkan data. Sistem CI yang dirancang terdiri atas model sentimen analisis untuk
memproses ulasan pengguna dan sebuah dashboard untuk menampilkan wawasan dari data
yang telah diproses. Sistem CI yang diusulkan memanfaatkan ulasan pengguna dari Google
Play Store yang diambil dari aplikasi seluler setiap platform e-commerce utama di Indonesia.
Dengan menggunakan pustaka Python untuk scraping data dari Google Play Store, data
seperti ulasan pengguna, stempel waktu, dan nilai bintang dikumpulkan dari laman aplikasi
Tokopedia, Shopee, Bukalapak, Lazada, dan Blibli. Setelah sebanyak 50.000 ulasan
pengguna didapatkan dari setiap e-commerce, data tersebut disampel dan diproses untuk
digunakan dalam pelatihan model sentimen analisis. Sistem CI ini menggabungkan kerangka
kerja analisis sentimen berbasis pembelajaran mesin, yang memanfaatkan model
pemrosesan bahasa alami (NLP) canggih seperti Bidirectional Encoder Representations
from Transformers (BERT) untuk mengidentifikasi aspek (subjek atau fitur yang sedang
didiskusikan) dalam ulasan-ulasan serta mengidentifikasi sentimennya. Pelatihan dari model
BERT dioptimalkan menggunakan Optuna, sebuah perangkat lunak yang secara
mengotomatiskan proses pencarian hyperparameter pelatihan terbaik untuk memastikan
model yang terbaik diciptakan. Model sentimen analisis yang dibuat menunjukkan kinerja
yang baik dalam tugas pengekstrakan aspek (ATE) serta pengklasifikasian polaritas aspek
(APC). Model akhir yang dihasilkan mencapai skor F1 sebesar 85.04% untuk APC dan
69.55% untuk ATE. Hasil analisis sentimen dari ulasan pengguna digabungkan dengan
dengan ulasan pengguna asli sebelum diberikan ke dashboard. Dashboard dirancang dengan
menggunakan Power BI karena kemudahan penggunaan serta sifatnya yang modular.
Wawasan yang ditemukan dari ulasan yang telah diproses seperti tren sentimen, rata-rata
nilai bintang bulanan, dan aspek yang paling sering disebutkan disajikan melalui sebuah
dashboard. Dashboard yang dibuat dapat menawarkan wawasan dari ulasan pengguna yang
dikumpulkan serta berfungsi sebagai alat untuk memonitor kompetitor.