RIDHO ILLAHI, -
(2025)
KLASIFIKASI SENTIMEN MENGGUNAKAN
BIDIRECTIONAL LSTM DAN INDOBERT DENGAN
DATASET TERBATAS.
Jurnal Sistem Informasi, 7 (1).
pp. 74-84.
ISSN 2656-7393
Abstract
Untuk mendapatkan informasi melalui media sosial mengenai popularitas termasuk juga sentimen
masyarakat terhadap para tokoh politik, masalah waktu menjadi krusial. Oleh karena itu, menganalisis
hal tersebut menggunakan komputer menjadi pilihan. Namun menyediakan data yang berlabel cukup
untuk pembelajaran mesin dalam kasus analisis sentimen dan tingkat kepopuleran dari media sosial,
akan menyebabkan waktu yang dibutuhkan menjadi lebih lama. Penelitian ini mengembangkan model
Bi-LSTM (Bidirectional Long Short-Term Memory) yang dipadukan dengan IndoBERT sebagai fitur
representasi teks, untuk menganalisis sentimen dengan data training yang terbatas. Isu utama
mengenai pengangkatan Kaesang sebagai ketua umum Partai Solidaritas Indonesia (PSI), hanya
menyediakan 300 – 600 tweet berlabel positif, negatif dan netral untuk training. Data tweet setelah
melalui tahap preprocessing dan vektorisasi BERT, dilatih pada metode klasifikasi Bi-LSTM. Langkahlangkah optimasi dilakukan sampai kepada hyperparameter tuning untuk menemukan model terbaik.
Meski jumlah data train terbatas, model yang diusulkan berhasil mencapai F1-score sebesar 71%
pada data validasi, dan 59% pada pengujian data test. Hasil penelitian mendemonstrasikan keefektifan
metode Bi-LSTM dan fitur IndoBERT dalam mengukur opini masyarakat di media sosial. Framework
metode klasifikasi yang diusulkan sangat potensial sebagai alat untuk menganalisis respons
masyarakat terhadap isu politik terkini.
Actions (login required)
 |
View Item |
