AMZANI PASHA, KELVIN and Nikentari, Nerfita and Fattah Fahmitra, Novrizal (2026) PERBANDINGAN INDOBERT DAN HYBRID INDOBERT-CNN UNTUK ANALISIS SENTIMEN KOMENTAR YOUTUBE TENTANG PENERAPAN KEMBALI UJIAN NASIONAL. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) KELVIN_AMZANI_PASHA_2101020091_Teknik Informatika - Cover.pdf - Published Version Download (661kB)
	Text (Abstrak) KELVIN_AMZANI_PASHA_2101020091_Teknik Informatika - Abstrak.pdf - Published Version Download (353kB)
	Text (BAB I) KELVIN_AMZANI_PASHA_2101020091_Teknik Informatika - BAB I.pdf - Published Version Download (368kB)
	Text (Daftar Pustaka) KELVIN_AMZANI_PASHA_2101020091_Teknik Informatika - Daftar Pustaka.pdf - Published Version Download (345kB)
	Text (Full Teks) KELVIN_AMZANI_PASHA_2101020091_Teknik Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penerapan kembali Ujian Nasional (UN) pada tahun ajaran 2025/2026 memunculkan berbagai opini masyarakat yang banyak disampaikan melalui komentar YouTube. Penelitian ini bertujuan membandingkan kinerja model IndoBERT dan Hybrid CNN-IndoBERT dalam analisis sentimen terhadap komentar masyarakat terkait kebijakan tersebut. Data yang digunakan sebanyak 4.904 komentar dari kanal berita di Indonesia yang dilabeli ke dalam tiga kelas sentimen, yaitu positif, netral, dan negatif. Data kemudian dibagi dengan rasio 80:10:10 untuk pelatihan, validasi, dan pengujian. Evaluasi model difokuskan ke metrik accuracy dan macro F1-score. Hasil penelitian menunjukkan bahwa kedua model mampu melakukan klasifikasi sentimen dengan performa yang baik. Namun, model hybrid CNN-IndoBERT secara konsisten menghasilkan kinerja yang lebih baik dibandingkan model IndoBERT. Pada data validasi, model Hybrid CNN-IndoBERT memperoleh accuracy sebesar 76,73% dan macro F1-score sebesar 72,64%, sedangkan model IndoBERT memperoleh accuracy sebesar 74,90% dan macro F1-score sebesar 71,67%. Pada data pengujian, model hybrid CNN-IndoBERT kembali menunjukkan performa terbaik dengan accuracy sebesar 77,19% dan macro F1-score sebesar 74,08%, sementara model IndoBERT memperoleh accuracy sebesar 72,30% dan macro F1-score sebesar 69,14%. Hasil tersebut menunjukkan bahwa penambahan lapisan CNN pada IndoBERT mampu meningkatkan kemampuan model dalam mengklasifikasikan sentimen. Selain itu, hasil analisis sentimen menunjukkan bahwa sentimen positif menjadi sentimen yang paling dominan terhadap kebijakan penerapan kembali Ujian Nasional.

Actions (login required)

View Item