PLBPLB
TEMATIKTEMATIKAplikasi TikTok merupakan salah satu platform media sosial paling populer di Indonesia dengan jutaan ulasan pengguna di Google Play Store. Penelitian ini bertujuan untuk menganalisis sentimen terhadap ulasan TikTok menggunakan pendekatan deep learning dengan fine-tuning IndoBERT dan berfokus pada penerapan teknik oversampling untuk menangani ketidakseimbangan data, dengan tujuan utama meningkatkan performa model, terutama dalam mengenali sentimen netral. Penelitian ini menggunakan dataset sebanyak 100.002 ulasan yang diambil dari kaggle dan dilabeli secara otomatis berdasarkan rating positif, netral dan negatif. Tahapan pra‑processing mencakup cleaning, case folding, normalisasi, tokenisasi menggunakan tokenizer IndoBERT. Model IndoBERT kemudian di fine‑tune menggunakan data latih sebanyak 80% dan 20% data uji, dengan teknik oversampling untuk menyeimbangkan kelas. Evaluasi dilaksanakan dengan memakai metrik akurasi, presisi, recall, F1‑score, dan confusion matrix. Hasil penelitian menunjukkan bahwa IndoBERT mampu mencapai akurasi 89,75% dengan performa tinggi pada kelas positif F1‑score 0,87, negatif F1‑score 0,89, dan netral F1‑score 0,93. Performa tinggi yang seimbang di semua kelas ini terutama kelas netral menunjukkan bahwa strategi oversampling berhasil memungkinkan model untuk mengenali semua sentimen secara efektif. Temuan ini juga menunjukkan bahwa model IndoBERT yang di fine‑tune adalah model yang efektif untuk menganalisis sentimen publik pada ulasan aplikasi berbahasa Indonesia.
Penelitian ini membuktikan bahwa model IndoBERT yang di‑fine‑tune dengan teknik oversampling sangat efektif untuk klasifikasi sentimen ulasan aplikasi TikTok, mencapai akurasi keseluruhan 89,75%.Model menunjukkan performa seimbang dengan F1‑score 0,87 untuk kelas positif, 0,89 untuk kelas negatif, dan 0,93 untuk kelas netral, yang secara signifikan meningkatkan deteksi sentimen netral dibandingkan studi sebelumnya.Penelitian selanjutnya disarankan membandingkan teknik oversampling ini dengan metode penyeimbangan data yang lebih canggih seperti SMOTE untuk mengevaluasi efektivitas lebih lanjut.
Penelitian lanjutan dapat mengeksplorasi efektivitas teknik penyeimbangan data lain seperti SMOTE atau ADASYN pada klasifikasi sentimen ulasan TikTok untuk mengetahui apakah metode tersebut dapat meningkatkan akurasi kelas netral dibandingkan oversampling tradisional; selain itu, studi dapat memperluas analisis dengan mengintegrasikan data multimodal, misalnya menggabungkan teks ulasan dengan metadata audio atau video dari video TikTok, guna menilai apakah kombinasi fitur tersebut memberikan pemahaman sentimen yang lebih komprehensif; selanjutnya, penting untuk mengembangkan versi ringan model IndoBERT yang dapat dijalankan pada perangkat edge atau smartphone, sehingga memungkinkan analisis sentimen secara real‑time dengan konsumsi sumber daya yang terbatas, yang pada gilirannya dapat meningkatkan aplikasi praktis dalam monitoring opini publik di platform media sosial.
- Analisis Sentimen Terhadap Ulasan Access By KAI Pada Google Play Store Menggunakan Metode Indobert |... doi.org/10.59696/prinsip.v3i1.69Analisis Sentimen Terhadap Ulasan Access By KAI Pada Google Play Store Menggunakan Metode Indobert doi 10 59696 prinsip v3i1 69
- Analisis Sentimen Terhadap Ulasan Aplikasi TikTok menggunakan Fine Tuning IndoBERT | TEMATIK. analisis... doi.org/10.38204/tematik.v12i2.2629Analisis Sentimen Terhadap Ulasan Aplikasi TikTok menggunakan Fine Tuning IndoBERT TEMATIK analisis doi 10 38204 tematik v12i2 2629
- ANALISIS SENTIMEN PUBLIK DI MEDIA SOSIAL TERHADAP KENAIKAN PPN 12% DI INDONESIA MENGGUNAKAN INDOBERT... ojs.ninetyjournal.com/index.php/JKBTI/article/view/322ANALISIS SENTIMEN PUBLIK DI MEDIA SOSIAL TERHADAP KENAIKAN PPN 12 DI INDONESIA MENGGUNAKAN INDOBERT ojs ninetyjournal index php JKBTI article view 322
| File size | 246.92 KB |
| Pages | 6 |
| DMCA | Report |
Related /
IKMIIKMI Hasil analisis menunjukkan bahwa tren publikasi penelitian meningkat secara signifikan dari tahun 2020 hingga 2024, kemudian menurun pada tahun 2025 karenaHasil analisis menunjukkan bahwa tren publikasi penelitian meningkat secara signifikan dari tahun 2020 hingga 2024, kemudian menurun pada tahun 2025 karena
UNKLABUNKLAB Studi ini bertujuan untuk mengembangkan arsitektur MobileNet guna menghasilkan model perangkat lunak yang dapat mengidentifikasi secara tepat dengan akurasiStudi ini bertujuan untuk mengembangkan arsitektur MobileNet guna menghasilkan model perangkat lunak yang dapat mengidentifikasi secara tepat dengan akurasi
UNKLABUNKLAB Fitur dependen adalah fitur target yang berisi dua kelas target yang mewakili mesin yang efektif dan tidak efektif. Dataset dalam penelitian ini mengandungFitur dependen adalah fitur target yang berisi dua kelas target yang mewakili mesin yang efektif dan tidak efektif. Dataset dalam penelitian ini mengandung
PLBPLB Sementara itu, keduanya sama-sama lemah dalam mengenali ekspresi tidak suka. Temuan ini mengimplikasikan bahwa VGG-16 lebih sesuai digunakan untuk mendukungSementara itu, keduanya sama-sama lemah dalam mengenali ekspresi tidak suka. Temuan ini mengimplikasikan bahwa VGG-16 lebih sesuai digunakan untuk mendukung
STMIK DCISTMIK DCI Meskipun performa untuk sentimen netral masih terbatas akibat data latih netral yang sedikit, sistem ini dapat membantu dalam memahami opini publik danMeskipun performa untuk sentimen netral masih terbatas akibat data latih netral yang sedikit, sistem ini dapat membantu dalam memahami opini publik dan
UNAMAUNAMA Pola ini menggambarkan penggunaan tagar tersebut sebagai bentuk ekspresi kritik dan ketidakpuasan publik terhadap dinamika sosial dan politik di Indonesia.Pola ini menggambarkan penggunaan tagar tersebut sebagai bentuk ekspresi kritik dan ketidakpuasan publik terhadap dinamika sosial dan politik di Indonesia.
UMIUMI Perkembangan teknologi informasi mendorong transformasi digital di berbagai sektor, termasuk layanan publik. Evaluasi kualitas aplikasi berbasis mobilePerkembangan teknologi informasi mendorong transformasi digital di berbagai sektor, termasuk layanan publik. Evaluasi kualitas aplikasi berbasis mobile
UNIMAUNIMA Metode dengan pendekatan kualitatif desain studi kasus. Data diperoleh dengan melakukan observasi dan wawancara kepada informan yaitu pendiri sekolah adatMetode dengan pendekatan kualitatif desain studi kasus. Data diperoleh dengan melakukan observasi dan wawancara kepada informan yaitu pendiri sekolah adat
Useful /
PLBPLB Meskipun Deep Reinforcement Learning (DRL) sering digunakan, pendekatan ini membutuhkan sumber daya besar dan kurang transparan. Penelitian ini mengusulkanMeskipun Deep Reinforcement Learning (DRL) sering digunakan, pendekatan ini membutuhkan sumber daya besar dan kurang transparan. Penelitian ini mengusulkan
STAIBANISALEHSTAIBANISALEH Kendala utama berasal dari variasi dukungan keluarga dan masa transisi siswa usia dini. Solusi yang diterapkan berupa bimbingan berulang, sosialisasi intensif,Kendala utama berasal dari variasi dukungan keluarga dan masa transisi siswa usia dini. Solusi yang diterapkan berupa bimbingan berulang, sosialisasi intensif,
STAIBANISALEHSTAIBANISALEH Penelitian dilakukan dengan pendekatan deskriptif kualitatif melalui metode studi kasus. Subjek penelitian adalah guru-guru di SLB Aisyiyah Al-WalidahPenelitian dilakukan dengan pendekatan deskriptif kualitatif melalui metode studi kasus. Subjek penelitian adalah guru-guru di SLB Aisyiyah Al-Walidah
UNAMAUNAMA Studi ini membuktikan keefektifan metode Profile Matching dalam evaluasi kinerja dosen dengan hasil yang lebih objektif. Penelitian ini berhasil menunjukkanStudi ini membuktikan keefektifan metode Profile Matching dalam evaluasi kinerja dosen dengan hasil yang lebih objektif. Penelitian ini berhasil menunjukkan