<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="19239">
<titleInfo>
<title><![CDATA[FINE TUNING PADA KLASIFIKASI OPINI ULASAN ISP BIZNET MENGGUNAKAN MODEL INDONLU]]></title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>0422106801 - Dewi Rosmala , S.Si, M.IT.</namePart>
<role><roleTerm type="text">Dosen Pembimbing 1</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>ANDRIE ANUGRAH / 152017089</namePart>
<role><roleTerm type="text">Penulis</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes"><![CDATA[mixed material]]></typeOfResource>
<genre authority="marcgt"><![CDATA[bibliography]]></genre>
<originInfo>
<place><placeTerm type="text"><![CDATA[Teknik Informatika]]></placeTerm></place>
<publisher><![CDATA[FTI]]></publisher>
<dateIssued><![CDATA[2024]]></dateIssued>
<issuance><![CDATA[monographic]]></issuance>
<edition><![CDATA[0]]></edition>
</originInfo>
<language>
<languageTerm type="code"><![CDATA[en]]></languageTerm>
<languageTerm type="text"><![CDATA[English]]></languageTerm>
</language>
<physicalDescription>
<form authority="gmd"><![CDATA[Text]]></form>
<extent><![CDATA[]]></extent>
</physicalDescription>
<note>Penelitian ini bertujuan untuk melakukan klasifikasi opini pada ulasan layanan ISP Biznet di media sosial X dengan menggunakan model IndoNLU, sebuah model bahasa berbasis machine learning yang dirancang khusus untuk bahasa Indonesia. Dalam penelitian ini, model IndoNLU digunakan untuk mengklasifikasikan opini menjadi tiga kategori: positif, negatif, dan netral. Dataset yang digunakan terdiri dari 1600 tweet yang dikumpulkan melalui scraping selama periode 13 Mei hingga 24 Juni 2024. Hasil awal menunjukkan bahwa performa model pre-trained IndoNLU kurang optimal, dengan akurasi 73%, presisi 48%, recall 47%, dan F1-Score 47%. Untuk meningkatkan kinerja model, dilakukan proses fine-tuning dengan parameter hyperparameter yang disesuaikan, yaitu epoch 5, learning rate 0.00000300, dan batch size 32. Setelah fine-tuning, hasil kinerja model meningkat secara signifikan dengan akurasi 98%, presisi 99%, recall 95%, dan F1-Score 97%. Penelitian ini menunjukkan bahwa penggunaan model IndoNLU dengan fine-tuning dapat meningkatkan kinerja dalam klasifikasi opini pada ulasan pelanggan ISP Biznet, serta memberikan wawasan yang lebih baik terhadap sentimen publik yang sering ditemukan di platform media sosial X di Indonesia. Kata Kunci : NLP, Fine Tuning, Klasifikasi Opini Ulasan ISP Biznet, IndoNLU</note>
<subject authority=""><topic><![CDATA[IndoNLU]]></topic></subject>
<subject authority=""><topic><![CDATA[Klasifikasi Opini Ulasan ISP Biznet]]></topic></subject>
<subject authority=""><topic><![CDATA[Fine Tuning]]></topic></subject>
<subject authority=""><topic><![CDATA[NLP]]></topic></subject>
<classification><![CDATA[]]></classification><identifier type="isbn"><![CDATA[]]></identifier><location>
<physicalLocation><![CDATA[Setiadi Open Source ETD System]]></physicalLocation>
<shelfLocator><![CDATA[772IF/24]]></shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1"><![CDATA[772IF/24]]></numerationAndChronology>
<sublocation><![CDATA[My Library]]></sublocation>
<shelfLocator><![CDATA[772IF/24]]></shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="20873" url="" path="/152017089_772IF.pdf" mimetype="application/pdf"><![CDATA[FINE TUNING PADA KLASIFIKASI OPINI ULASAN ISP BIZNET MENGGUNAKAN MODEL INDONLU]]></slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier><![CDATA[19239]]></recordIdentifier>
<recordCreationDate encoding="w3cdtf"><![CDATA[2024-12-04 13:29:40]]></recordCreationDate>
<recordChangeDate encoding="w3cdtf"><![CDATA[2024-12-09 13:57:00]]></recordChangeDate>
<recordOrigin><![CDATA[machine generated]]></recordOrigin>
</recordInfo></mods></modsCollection>