ANALISIS SENTIMEN ULASAN BAHASA INDONESIA DENGAN MENGGUNAKAN FINE TUNING INDOBERT DAN RECURRENT CONVOLUTIONAL NEURAL NETWORK (RCNN)

Utomo, Agung Tri (2022) ANALISIS SENTIMEN ULASAN BAHASA INDONESIA DENGAN MENGGUNAKAN FINE TUNING INDOBERT DAN RECURRENT CONVOLUTIONAL NEURAL NETWORK (RCNN). Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (23kB)
	Text COVER.pdf Download (111kB)
	Text DAFTAR ISI.pdf Download (35kB)
	Text DAFTAR PUSTAKA.pdf Download (148kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (535kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (554kB)
	Text SKRIPSI FULL_Agung Tri Utomo_123150075.pdf Restricted to Repository staff only Download (8MB)

Abstract

Ulasan adalah bentuk informasi pengalaman pengguna terhadap suatu produk atau
layanan yang dapat digunakan sebagai salah satu referensi calon konsumen menentukan
pilihan untuk membeli, menggunakan, mengkonsumsi produk atau tidak, dan dapat
digunakan oleh entitas bisnis untuk mengetahui bagaimana pendapat publik terhadap
produk atau performa produk bisnisnya. Untuk memproses data ulasan tersebut secara
manual akan sangat sulit dan memakan waktu yang lama. Oleh karena itu dapat
menggunakan automasi analisis sentimen untuk mendapatkan informasi polaritas dari
ulasan yang ada. Pada penelitian ini menggunakan IndoBERT dengan Recurrent
Convolutional Neural Network (RCNN) untuk automasi analisis sentimen ulasan Bahasa
Indonesia. Data yang digunakan adalah dataset sentimen analisis yang didapatkan dari
IndoNLU dengan sentimen yang terdiri dari sentimen negatif, sentimen netral, dan
sentimen positif. Hasil dari pengujian menunjukan bahwa IndoBERT dengan Recurrent
Convolutional Neural Network (RCNN) mendapatkan hasilkan lebih baik dibandingkan
dengan IndoBERT base. IndoBERT dengan Recurrent Convolutional Neural Network
(RCNN) mendapatkan accuracy sebesar 95,16%, precision sebesar 94,05%, recall sebesar
92,74% dan f1 score sebesar 93,27%.
Kata kunci : Analsis Sentimen, IndoBERT, Recurrent Convolutional Neural Network,
Pretained Language Model

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Analsis Sentimen, IndoBERT, Recurrent Convolutional Neural Network, Pretained Language Mode
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	22 Jul 2022 07:39
Last Modified:	22 Jul 2022 07:40
URI:	http://eprints.upnyk.ac.id/id/eprint/30437

Actions (login required)

View Item