Klasifikasi Sentimen Ulasan Produk E-Commerce Menggunakan BERT dan LSTM

Abstrak

Penelitian ini mengusulkan model hibrida BERT-LSTM untuk klasifikasi sentimen ulasan produk pada platform e-commerce Indonesia. Dataset terdiri atas 15.000 ulasan berbahasa Indonesia yang dianotasi ke dalam tiga kelas: positif, netral, dan negatif. Hasil eksperimen menunjukkan akurasi 92,4%, mengungguli model baseline SVM, Naive Bayes, dan LSTM mandiri. Temuan ini menegaskan efektivitas representasi kontekstual BERT yang dipadukan dengan pemodelan sekuensial LSTM untuk analisis sentimen lokal.