PERAN INDOBERT TERHADAP FINE-TUNING BILSTM PADA SENTIMEN ANALIS MAKAN SIANG GRATIS
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.
Detail Information
Citation
APA Style
. (2025).PERAN INDOBERT TERHADAP FINE-TUNING BILSTM PADA SENTIMEN ANALIS MAKAN SIANG GRATIS ().Teknik Informatika:FTI
Chicago Style
.PERAN INDOBERT TERHADAP FINE-TUNING BILSTM PADA SENTIMEN ANALIS MAKAN SIANG GRATIS ().Teknik Informatika:FTI,2025.
MLA Style
.PERAN INDOBERT TERHADAP FINE-TUNING BILSTM PADA SENTIMEN ANALIS MAKAN SIANG GRATIS ().Teknik Informatika:FTI,2025.
Turabian Style
.PERAN INDOBERT TERHADAP FINE-TUNING BILSTM PADA SENTIMEN ANALIS MAKAN SIANG GRATIS ().Teknik Informatika:FTI,2025.