// <![CDATA[PENINGKATAN KINERJA DISTILBERT DENGAN DATA AUGMENTATION DAN EARLY STOPPING DALAM ANALISIS SENTIMEN ISU PPN 12%]]> 0411105902 - Uung Ungkawa, Ir., M.T., Dr. Dosen Pembimbing 1 NICOLAUS BUHA KRISTIAN SIMARMATA / 152019022 Penulis
Media sosial telah menjadi platform populer di era digital untuk berbagi pendapat, pandangan, dan pengalaman, salah satunya adalah Media sosial X yang digunakan oleh penggunanya untuk saling bertukar pendapat tentang berbagai topik, seperti halnya kebijakan ekonomi, misalnya kenaikan 12% pada Pajak Penghasilan Nasional (PPN). Analisis sentimen sangat penting dalam mengevaluasi opini publik terhadap perubahan kebijakan dan menyediakan data evaluasi bagi pemerintah. Penelitian ini menggunakan kombinasi pendekatan teknik untuk menyesuaikan model DistilBERT pada dataset yang digunakan untuk mengatasi masalah efektivitas model dalam analisis data dengan distribusi yang tidak merata, yang dapat memengaruhi kinerja model. Penelitian ini bertujuan untuk mengevaluasi model DistilBERT menggunakan teknik data augmentation dan early stopping untuk memastikan integritas data dan memberikan hasil yang baik untuk analisis opini publik di media sosial X terkait isu kenaikan PPN 12%. Hasil menunjukkan bahwa penyempurnaan model DistilBERT pada dataset bahasa Indonesia menunjukkan peningkatan signifikan dalam kinerja model setelah menggunakan kombinasi teknik data augmentation dan early stopping, dengan nilai akurasi 0,61 tanpa menggunakan kombinasi teknik dan mendapatkan nilai akurasi 0,91 dengan kombinasi yang menunjukkan model ini mampu membedakan kelas sentimen dengan jauh lebih akurat, serta memiliki loss yang relatif stabil dan minim dalam melakukan kesalahan klasifikasi. Dapat disimpulkan bahwa penggunaan teknik pendukung dalam fine-tuning yaitu dengan data augmentation dan early stopping sangat efektif dalam meningkatkan performa model DistilBERT untuk analisis sentimen teks berbahasa Indonesia.