sentimen-ecommerce-indobert

Sentimen E-Commerce IndoBERT

Model klasifikasi sentimen (positif/netral/negatif) untuk ulasan e-commerce berbahasa Indonesia, hasil fine-tuning IndoBERT (indobenchmark/indobert-base-p1).

Dataset

• Sumber: joyadriansyah/e-commerce-sentiment-bahasa-indonesia (Hugging Face)
• 21.840 baris asli → 7.025 baris setelah dedup (68% adalah duplikat kalimat pendek generik seperti "Lumayan", "Standar lah")
• Distribusi setelah dedup: positive 40.5%, negative 40%, neutral 19.5%
• Class imbalance ditangani dengan weighted cross-entropy loss

Training

• Base model: indobenchmark/indobert-base-p1
• Split: 80% train / 10% val / 10% test (stratified)
• 4 epoch, learning rate 2e-5, batch size 16

Hasil (test set, 703 baris)

• Accuracy: 99%, F1-macro: 0.99
• Precision/recall seimbang di semua kelas meski netral awalnya minoritas

Keterbatasan

• Dataset dominan berisi kalimat pendek dan eksplisit — performa pada ulasan panjang atau sarkasme implisit kompleks kemungkinan lebih rendah dari 99%
• Belum diuji pada domain e-commerce lain di luar dataset asli