digilib@itb.ac.id +62 812 2508 8800

Abstrak
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.