Analisis Sentimen Berbasis Aspek Terhadap Komentar TikTok Tentang Pinjaman Online Menggunakan IndoBERT

Abstract

Media sosial khususnya TikTok, telah menjadi tempat bagi masyarakat untuk menyampaikan opini terhadap berbagai isu kehidupan, termasuk isu finansial seperti pinjaman online. Penelitian ini menerapkan Aspect-Based Sentiment Analysis (ABSA) dengan multi-task learning menggunakan IndoBERT untuk menganalisis sentimen masyarakat terhadap aspek-aspek spesifik tentang pinjaman online. Dataset yang digunakan sebanyak 4.445 komentar yang dikumpulkan dari 12 video TikTok dengan kata kunci pencarian “pinjaman online” dan “pinjol”. Tahapan penelitian meliputi pengumpulan data, penentuan daftar aspek, pelabelan data, preprocessing, pembagian data, tokenisasi, pelatihan, serta evaluasi model. Penelitian ini menggunakan lima aspek utama, yaitu bunga dan biaya, pelayanan, keamanan dan legalitas, penagihan, serta dampak. Sementara itu, sentimen yang dipakai adalah positif, negatif, dan netral. Proses pelabelan dilakukan dengan dua cara, yaitu pelabelan oleh ahli linguistik, dan pelabelan menggunakan LLMClaude.ai. Sementara itu, pelatihan model menerapkan hyperparameter tuning untuk mencari kinerja model terbaik. Hasil evaluasi menunjukkan akurasi klasifikasi aspek sebesar 67,68% dan klasifikasi sentimen sebesar 64,63%. Kinerja model ini masih lebih rendah dibandingkan penelitian terdahulu karena dipengaruhi oleh beberapa faktor. Meskipun demikian, pendekatan ini diharapkan dapat menjadi acuan bagi otoritas dalam membuat kebijakan, membantu meningkatkan kualitas layanan bagi perusahaan pinjaman online, serta mendukung masyarakat dalam mengambil keputusan finansial yang lebih bijak.