Aspect-Based Sentiment Analysis (ABSA) pada komentar YouTube tentang perbandingan kamera Sony dan Canon menggunakan Multilingual BERT (mBERT)

Abstract

Perkembangan platform digital seperti YouTube menjadikan kolom komentar sebagai sumber data opini publik yang kaya dan tidak terstruktur. Seiring dengan hal tersebut, pengguna banyak menyampaikan pendapat mengenai berbagai aspek kamera melalui komentar pada video YouTube. Penelitian ini bertujuan untuk mengidentifikasi aspek kamera yang paling dominan dibahas, mengukur performa model mBERT dalam mendeteksi aspek dan mengklasifikasikan sentimen, serta menganalisis persepsi publik terhadap kamera Sony dan Canon berdasarkan hasil Aspect-Based Sentiment Analysis (ABSA). Data diperoleh melalui pengambilan komentar menggunakan YouTube Data API dengan total 27.446 komentar dari 52 video, kemudian melalui tahap preprocessing yang meliputi proteksi nama produk, cleaning, case folding, normalisasi, dan filter komentar tidak valid. Selanjutnya dilakukan identifikasi buzzer dan anomali komentar menggunakan pendekatan rule-based dengan empat kriteria untuk memisahkan komentar yang tidak merepresentasikan opini asli pengguna. Hasil identifikasi menunjukkan bahwa sebesar 10,1% dari data terindikasi sebagai buzzer, dan perbandingan sebelum dan sesudah pembersihan buzzer menunjukkan perubahan distribusi sentimen yang relatif kecil. Pelabelan aspek dilakukan menggunakan keyword-based rules terhadap delapan aspek kamera, yaitu Image Quality, Video Quality, Autofocus, Low Light, Battery Life, Price, Ergonomics, dan Lens Availability, sedangkan pelabelan sentimen dilakukan menggunakan VADER untuk teks berbahasa Inggris dan InSet untuk teks berbahasa Indonesia dengan tiga kategori yaitu positif, netral, dan negatif. Setelah proses filter relevansi aspek, diperoleh dataset final sebanyak 10.431 komentar yang dibagi dengan rasio 80:20 menggunakan stratified sampling. Pemodelan dilakukan menggunakan fine-tuning mBERT dengan dua model terpisah, yaitu Model 1 untuk deteksi aspek dan Model 2 untuk klasifikasi sentimen. Evaluasi model menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa Model 1 mencapai akurasi exact match sebesar 88,14% dengan micro F1- Score sebesar 0,9703, sedangkan Model 2 mencapai akurasi sebesar 81,41%. Aspek Image Quality menjadi aspek yang paling dominan dibahas oleh pengguna. Berdasarkan perbandingan persentase sentimen positif per aspek, Sony unggul pada lima aspek sedangkan Canon unggul pada tiga aspek, dengan kedua merek mendapatkan sentimen positif yang dominan di seluruh aspek.