UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Optimasi Algoritma Indonesian Bidirectional Encoder Representations From Transformers Dan Random Search Klasifikasi Sentimen Pada Program Lapor Mas Wapres
Penanda Bagikan

CD Skripsi

Optimasi Algoritma Indonesian Bidirectional Encoder Representations From Transformers Dan Random Search Klasifikasi Sentimen Pada Program Lapor Mas Wapres

Risdawati - Nama Orang;

ABSTRAK

RISDAWATI. Optimasi Algoritma Indonesian Bidirectional Encoder Representations From Transformers dan Random Search Klasifikasi Sentimen pada Program Lapor Mas Wapres (dibimbing oleh Nuraida Latif dan A. Sumardin)

Penggunaan dataset dengan jumlah data terbatas, dapat menyebabkan model cenderung mudah overfitting sehingga rendahnya akurasi. Selain itu, proses klasifikasi sentimen menghadapi kendala karena karakteristik bahasa alami yang digunakan sering bersifat tidak baku, mengandung singkatan, serta variasi penulisan yang beragam. Dan pemilihan hyperparameter yang tidak optimal pada model deep learning dapat menurunkan kinerja model. Penelitian ini bertujuan untuk meningkatkan akurasi analisis sentimen dengan menerapkan metode Indonesian Bidirectional Encoder Representations From Transformers yang dioptimalkan menggunakan Random Search. Data ini diperoleh dari hasil scrapping web pada postingan Lapor Mas Wapres. Metode pada penelitian meliputi pengumpulan data, text preprocessing, klasifikasi IndoBERT, optimasi hyperparameter menggunakan Random Search untuk memperoleh kombinasi parameter terbaik, serta evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa tanpa menggunakan optimasi dengan Random Search menghasilkan akurasi sebesar 75% dan setelah dioptimasi menghasilkan akurasi sebesar 77% pada pembagian split data 90:10 dengan akurasi tertinggi pada pembagian data. Pemilihan hyperparameter yang sesuai dapat meningkatkan performa model dan berperan penting dalam klasifikasi sentimen.

Kata Kunci: Deep Learning, IndoBERT, Klasifikasi Sentimen, Optimasi Hyperparameter, Random Search


Ketersediaan
#
Perpustakaan STMIK AKBA (A / 993) CD/SKR/TI/2025 REF RIS o
2964/CD/SKR-Ti/25
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
CDSKR RIS o
Penerbit
UNITAMA : UNITAMA., 2025
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF RIS o
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Nuraida Latif dan Pembimbing II: A. Sumardin Penguji: Pasnur, First Wanita dan Ramlah. P
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?