ANALISIS SENTIMEN TERHADAP APLIKASI DUOLINGO MENGGUNAKAN INDOBERTWEET

Muhammad Farhan Hadrawi; Rizqa Raaiqa Bintana; Hasanatul Iftitah

doi:10.23960/jitet.v14i3.10147

Muhammad Farhan Hadrawi
Universitas Jambi
Rizqa Raaiqa Bintana
Universitas Jambi
Hasanatul Iftitah
Universitas Jambi

DOI: https://doi.org/10.23960/jitet.v14i3.10147

Keywords Analisis sentimen, Duolingo, IndoBERTweet, Ulasan Google Play Store

Abstract Views (Last 12 Months)

6 Abstract Views

9 Downloads

Abstract

Ulasan pengguna pada Google Play Store memuat informasi penting mengenai pengalaman, kepuasan, dan keluhan terhadap aplikasi pembelajaran bahasa seperti Duolingo. Namun, jumlah ulasan yang besar dan tidak terstruktur menyebabkan analisis secara manual menjadi kurang efisien. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi Duolingo berbahasa Indonesia menggunakan model IndoBERTweet serta mengevaluasi kinerja model tersebut. Data awal terdiri atas 1.000 ulasan yang dikumpulkan melalui teknik web scraping dari Google Play Store. Setelah proses pelabelan dan validasi data, diperoleh 998 ulasan yang diklasifikasikan ke dalam sentimen positif, negatif, dan netral. Tahapan penelitian meliputi pengumpulan dan penyaringan data, pelabelan oleh tiga anotator, preprocessing teks, pembagian data dengan rasio 70:10:20, penyeimbangan data latih menggunakan RandomOverSampler, fine-tuning IndoBERTweet, dan evaluasi model. Hasil penelitian menunjukkan bahwa model memperoleh accuracy sebesar 0,9050, F1-score macro sebesar 0,7301, dan F1-score weighted sebesar 0,9155. Model menghasilkan performa terbaik pada sentimen positif, sedangkan sentimen netral menjadi kelas yang paling sulit dikenali. Hasil tersebut menunjukkan bahwa IndoBERTweet mampu mengklasifikasikan sentimen ulasan pengguna Duolingo dengan performa yang baik, meskipun masih dipengaruhi oleh ketidakseimbangan distribusi kelas.

Downloads

Download data is not yet available.

References

W. T. Rahmawati, Y. M. Harahap, R. Ginting, P. R. Anggraini, and A. A. Maulana, “Pengenalan Mobile Assisted Language Learning (MALL) untuk Berlatih Pronunciation,” Journal of Training and Community Service Adpertisi (JTCSA), vol. 3, no. 2, pp. 50–56, 2023, doi: 10.62728/jtcsa.v3i2.454.

N. W. N. Suryati, K. M. C. Dewi, P. Rusanti, and I. G. A. G. Wismadewi, “Penggunaan Mobile Assisted Language Learning (MALL) pada Pembelajaran Bahasa Inggris Keperawatan,” EDUKATIF: Jurnal Ilmu Pendidikan, vol. 6, no. 4, pp. 4008–4017, 2024, doi: 10.31004/edukatif.v6i4.7255.

V. Handayani and I. Damayanti, “Mobile-Assisted Language Learning for Vocabulary Development: Insights from Indonesian Pre-Service English Teachers Using HelloTalk,” Jurnal Tahuri, vol. 19, no. 2, pp. 99–114, 2022, doi: 10.30598/tahurivol19issue2page99-114.

H. Hakimantieq, D. Suherdi, and W. Gunawan, “Duolingo as A Mobile-Assisted Language Learning: A New Supplementary of Learning Basic English Reading for EFL Students,” EDUKATIF: Jurnal Ilmu Pendidikan, vol. 4, no. 6, pp. 7548–7558, 2022, doi: 10.31004/edukatif.v4i6.4104.

S. D. Puspita, S. L. Amanda, V. N. Swara, and Z. A. Shaffa, “Pemanfaatan Aplikasi Duolingo dalam Meningkatkan Penguasaan Kosakata Bahasa Inggris,” Lencana: Jurnal Inovasi Ilmu Pendidikan, vol. 3, no. 2, pp. 168–178, 2025, doi: 10.55606/lencana.v3i2.5030.

T. Salsabila, N. Nafilah, F. Patangga, S. Zulfa, and N. Listyaningsih, “Literature Review: Efektivitas Penggunaan Aplikasi Duolingo Terhadap Motivasi Belajar Bahasa Inggris,” Jurnal Empati, vol. 13, no. 4, pp. 302–312, 2024, doi: 10.14710/empati.2024.46691.

A. Nurian and B. N. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Google Play Menggunakan Naïve Bayes,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 11, no. 3 S1, pp. 829–835, 2023, doi: 10.23960/jitet.v11i3%20s1.3348.

D. F. Nawulansih, N. C. Santi, and I. A. Sa’ida, “Analisis Sentimen Ulasan Aplikasi DANA di Google Play Store: Penerapan Support Vector Machine dan Synthetic Minority Over-sampling Technique,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 5, no. 9, pp. 2660–2671, 2025, doi: 10.52436/1.jpti.1053.

M. Amien, “Sejarah dan Perkembangan Teknik Natural Language Processing (NLP) Bahasa Indonesia: Tinjauan tentang sejarah, perkembangan teknologi, dan aplikasi NLP dalam bahasa Indonesia,” 2023. [Online]. Available: http://arxiv.org/abs/2304.02746

R. Abdillah, E. Haerani, and R. M. Candra, “Analisis Sentimen Ulasan Aplikasi Wetv Untuk Peningkatan Layanan Menggunakan Metode Support Vector Machine,” Journal of Information System Research (JOSH), vol. 4, no. 3, pp. 865–873, 2023, doi: 10.47065/josh.v4i3.3353.

J. Devlin, M.-W. Chang, K. Lee, and K. Toutanova, “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding,” 2019, doi: 10.48550/arXiv.1810.04805.

T. B. Kusuma and I. K. A. Mogi, “Implementasi BERT pada Analisis Sentimen Ulasan Destinasi Wisata Bali,” JELIKU (Jurnal Elektronik Ilmu Komputer Udayana), vol. 12, no. 2, pp. 409–420, 2023, doi: 10.24843/JLK.2023.v12.i02.p19.

F. Koto, J. H. Lau, and T. Baldwin, “INDOBERTWEET: A Pretrained Language Model for Indonesian Twitter with Effective Domain-Specific Vocabulary Initialization,” 2021, doi: 10.18653/v1/2021.emnlp-main.833.

J. C. Setiawan, K. M. Lhaksmana, and B. Bunyamin, “Sentiment Analysis of Indonesian TikTok Review Using LSTM and IndoBERTweet Algorithm,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 8, no. 3, pp. 774–780, 2023, doi: 10.29100/jipi.v8i3.3911.

U. Khairani, V. Mutiawani, and H. Ahmadian, “Pengaruh Tahapan Preprocessing Terhadap Model IndoBERT dan IndoBERTweet Untuk Mendeteksi Emosi Pada Komentar Akun Berita Instagram,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 4, pp. 887–894, 2024, doi: 10.25126/jtiik.1148315.