// <![CDATA[PERAN INDOBERT TERHADAP FINE-TUNING BILSTM PADA SENTIMEN ANALIS MAKAN SIANG GRATIS]]> 0411105902 - Uung Ungkawa, Ir., M.T., Dr. Dosen Pembimbing 1 Fikri Andrean Muhammad / 15-2018-034 Penulis
Kebijakan makan siang gratis yang diluncurkan oleh pemerintah Indonesia menjadi isu hangat dan memicu berbagai respons masyarakat di media sosial, khususnya di Twitter. Penelitian ini bertujuan untuk menganalisis pengaruh penggunaan IndoBERT terhadap performa BiLSTM dalam melakukan analisis sentimen terhadap kebijakan tersebut. IndoBERT digunakan sebagai ekstraktor fitur untuk menghasilkan representasi kontekstual dari teks berbahasa Indonesia, sedangkan BiLSTM berperan sebagai model klasifikasi yang mampu menangkap pola berurutan dari representasi tersebut. Proses preprocessing data mencakup pembersihan teks, normalisasi kata tidak baku, dan tokenisasi menggunakan tokenizer IndoBERT. Dataset yang digunakan terdiri dari 1.354 data, yang dibagi menjadi 60% data latih, 20% data validasi, dan 20% data uji. Berdasarkan hasil pelatihan, model terbaik diperoleh pada epoch ke-20, dengan akurasi pengujian sebesar 82,29%, precision sebesar 84,05%, recall sebesar 93,20%, dan F1-score sebesar 88,39%. Hasil ini menunjukkan bahwa penggunaan IndoBERT mampu meningkatkan performa BiLSTM secara signifikan dalam memahami dan mengklasifikasikan sentimen teks secara lebih kontekstual.