KOMARAN, RAUL MAHYA (2025) MODEL KLASIFIKASI SENTIMEN BERITA ONLINE MENGGUNAKAN METODE TF-IDF + SVM DAN FINE TUNED INDOBERT (TA.2.25.005). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Raul Mahya Komaran, Program Studi D-IV Teknik Informatika, KLASIFIKASI SENTIMEN BERITA ONLINE MENGGUNAKAN METODE TF-IDF + SVM DAN FINE-TUNED INDOBERT. Analisis sentimen telah menjadi salah satu tugas penting dalam pemrosesan bahasa alami, yang bertujuan untuk memahami dan mengklasifikasikan opini atau emosi yang terkandung dalam sebuah teks. Untuk meningkatkan akurasi dan efisiensi, berbagai model pembelajaran mesin telah digunakan. Dalam beberapa tahun terakhir, model berbasis transformer seperti BERT, GPT, dan RoBERTa terbukti lebih efektif dibandingkan model tradisional seperti Support Vector Machine dan Long Short-Term Memory. Keunggulan ini disebabkan oleh kemampuan model transformer dalam menangkap konteks secara mendalam dan memahami hubungan antar kata dalam kalimat.Tujuan dari penelitian ini adalah untuk melaksanakan tinjauan literatur sistematis mengenai penggunaan model berbasis transformer dalam analisis sentimen. Penelitian ini berfokus pada tiga aspek utama, yaitu tingkat akurasi, efisiensi pemrosesan komputasi, dan tantangan implementasi. Hasil kajian menunjukkan adanya peningkatan signifikan pada kinerja model berbasis transformer dalam tugas klasifikasi sentimen. Meskipun demikian, terdapat keterbatasan yang perlu diperhatikan, seperti biaya komputasi yang tinggi dan kebutuhan akan jumlah data pelatihan yang besar.Tinjauan ini memberikan wawasan yang berharga bagi peneliti maupun praktisi yang ingin mengoptimalkan analisis sentimen dengan memanfaatkan model pemrosesan bahasa alami yang canggih. Selain itu, penelitian ini juga mengkaji berbagai metode untuk meningkatkan efisiensi dan akurasi model berbasis transformer. Beberapa pendekatan yang terbukti menjanjikan antara lain pemanfaatan data yang spesifik terhadap domain tertentu, penerapan teknik distilasi model untuk mengurangi kompleksitas komputasi, serta integrasi metode hibrida seperti penggabungan transformerdengan mekanisme atau pendekatan berbasis leksikon.Dengan kemajuan pesat dalam bidang pemrosesan bahasa alami, diperlukan penelitian lanjutan untuk mengidentifikasi strategi yang paling efektif dalam mengatasi tantangan implementasi. Pendekatan ini diharapkan dapat memberikan landasan yang lebih komprehensif bagi berbagai penerapan industri, termasuk analisis media sosial, penelitian kepuasan pelanggan, serta deteksi opini pada berbagai platform digital. Kata kunci: Model Transformator Analisis Sentimen, BERT, GPT, Roberta, Pembelajaran Mesin, NLP, Akurasi, Efisiensi
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 26 Sep 2025 06:58 |
| Last Modified: | 26 Sep 2025 06:58 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3539 |
Actions (login required)
 |
View Item |
