IMPLEMENTASI BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI GOJEK

Lastetria, Marchella Sylvadenta (2024) IMPLEMENTASI BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI GOJEK. Other thesis, UPN Veteran Yogyakarta.

	Text Abstrak_123180133_Marchella Sylvadenta Lastetria.pdf Download (204kB)
	Text Cover_123180133_Marchella Sylvadenta Lastetria.pdf Download (309kB)
	Text Daftar Isi_123180133_Marchella Sylvadenta Lastetria.pdf Download (414kB)
	Text Daftar Pustaka_123180133_Marchella Sylvadenta Lastetria.pdf Download (430kB)
	Text Halaman Pengesahan Pembimbing_123180133_Marchella Sylvadenta Lastetria.pdf Download (150kB)
	Text Halaman Pengesahan Penguji_123180133_Marchella Sylvadenta Lastetria.pdf Download (162kB)
	Text SKRIPSI FULL_123180133_Marchella Sylvadenta Lastetria.pdf Restricted to Repository staff only Download (3MB)

Abstract

Perkembangan teknologi telah menghasilkan berbagai produk digital yang membantu
manusia dalam kehidupan sehari-hari. Salah satu inovasi yang mencolok adalah Gojek,
perusahaan teknologi yang menyediakan beragam layanan melalui aplikasi mereka. Dalam
konteks ini, analisis sentimen menjadi penting untuk memahami opini pengguna terhadap
layanan seperti Gojek.
Analisis sentimen adalah metode untuk mengekstraksi opini dan sentimen dari teks
pengguna, yang dapat membantu perusahaan meningkatkan kualitas layanan mereka. Metode
tradisional seperti SVM, naïve bayes, dan logistic regression telah digunakan dalam analisis
sentimen, namun BERT (Bidirectional Encoder Representation from Transformers) muncul
sebagai model yang unggul dalam memahami konteks teks.
Penelitian sebelumnya menunjukkan bahwa BERT, termasuk model IndoBERT untuk
bahasa Indonesia, memiliki performa tinggi dalam analisis sentimen. Fine-tuning model BERT
dengan hyperparameter yang tepat dapat meningkatkan akurasi analisis sentimen. Penelitian ini
bertujuan untuk melakukan fine-tuning model IndoBERT dengan hyperparameter yang
direkomendasikan dalam analisis sentimen ulasan pengguna aplikasi Gojek.
Hasil penelitian menunjukkan bahwa model IndoBERT memiliki kemampuan yang baik
dalam analisis sentimen, dengan akurasi mencapai 89%, presisi 87%, recall 78%, dan skor F-1
81%. Meskipun demikian, model ini memiliki kendala dalam menangani data yang tidak
seimbang. Kecenderungan sentimen pengguna aplikasi cenderung negatif, yang teridentifikasi
melalui analisis sentimen menggunakan data uji.
Kata Kunci: Analisis Sentimen, Bidirectional Encoder Representation from Transformers
(BERT), Gojek, Fine-tuning, Hyperparameter

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Bidirectional Encoder Representation from Transformers (BERT), Gojek, Fine-tuning, Hyperparameter
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	06 Jun 2024 03:12
Last Modified:	06 Jun 2024 03:12
URI:	http://eprints.upnyk.ac.id/id/eprint/39644

Actions (login required)

View Item