KOMPARASI METODE TRANSFORMERS DAN NAÃVE
BAYES UNTUK SENTIMEN ANALISIS TERHADAP
PEMBANGUNAN IKN
Total View This Week0
Total View This Week0
Institusion
Universitas PGRI Semarang
Author
NUSANTARA, ANANTA AGIL
Subject
T Technology (General)
Datestamp
2024-08-07 02:11:36
Abstract :
Indonesia, sebagai negara kepulauan terbesar di dunia, sedang dalam tahap perencanaan pemindahan Ibu Kota Negara (IKN) dari Jakarta ke Kalimantan Timur. Meskipun memiliki banyak potensi manfaat, di balik ambisi besar ini, proyek IKN juga menimbulkan berbagai tantangan yang kompleks, salah satu tantangan utamanya adalah bagaimana mengidentifikasi dan menganalisis sentimen masyarakat terhadap pembangunan IKN. Dan metode yang digunakan untuk menganalisis sentimen menggunakan Metode Transformers dan Naïve Bayes dengan kerangka kerja project menggunakan metode CRISP-DM, yang mencakup tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Arsitektur dan fitur utama dalam menganalisis sentimen untuk Metode Transformers menggunakan Model Pre-trained dari Huggingface yang dilatih untuk Multibahasa dan termasuk Bahasa Indonesia dan Model BERT, dengan implementasikan Model Pre-train dengan `BertTokenizer` dan `BertForSequenceClassification` untuk analisis sentimen. Sedangkan Model Naive Bayes menggunakan library `vader-sentiment` untuk menganalisis teks sentimen berdasarkan penilaian lexicon serta TF-IDF dan Naïve Bayes untuk menganalisis dan melakukan labeling sentimen. Hasil evaluasi menunjukkan bahwa Metode Transformers dengan Model Pre-train dan BERT mencapai akurasi, precision, recall, dan F1-score masing-masing sebesar 100%, model ini sangatlah efektif dan akurat dibuktikan dengan pengujian Real-time dimana model terbukti memberikan hasil yang sangat baik dan akurat. Sebaliknya, model Naïve Bayes menunjukkan Akurasi 98.5%, Precision 97%, Recall 96%, dan F1-score 98%, namun model ini kurang baik dalam pengujian Real-time. Kata Kunci : Analisis, Sentimen, IKN, Transformers, Pre-train, BERT, Naïve Bayes, Vader Lexicon, Akurasi, Precision, Recall, F1-score.
Indonesia, sebagai negara kepulauan terbesar di dunia, sedang dalam tahap perencanaan pemindahan Ibu Kota Negara (IKN) dari Jakarta ke Kalimantan Timur. Meskipun memiliki banyak potensi manfaat, di balik ambisi besar ini, proyek IKN juga menimbulkan berbagai tantangan yang kompleks, salah satu tantangan utamanya adalah bagaimana mengidentifikasi dan menganalisis sentimen masyarakat terhadap pembangunan IKN. Dan metode yang digunakan untuk menganalisis sentimen menggunakan Metode Transformers dan Naïve Bayes dengan kerangka kerja project menggunakan metode CRISP-DM, yang mencakup tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Arsitektur dan fitur utama dalam menganalisis sentimen untuk Metode Transformers menggunakan Model Pre-trained dari Huggingface yang dilatih untuk Multibahasa dan termasuk Bahasa Indonesia dan Model BERT, dengan implementasikan Model Pre-train dengan `BertTokenizer` dan `BertForSequenceClassification` untuk analisis sentimen. Sedangkan Model Naive Bayes menggunakan library `vader-sentiment` untuk menganalisis teks sentimen berdasarkan penilaian lexicon serta TF-IDF dan Naïve Bayes untuk menganalisis dan melakukan labeling sentimen. Hasil evaluasi menunjukkan bahwa Metode Transformers dengan Model Pre-train dan BERT mencapai akurasi, precision, recall, dan F1-score masing-masing sebesar 100%, model ini sangatlah efektif dan akurat dibuktikan dengan pengujian Real-time dimana model terbukti memberikan hasil yang sangat baik dan akurat. Sebaliknya, model Naïve Bayes menunjukkan Akurasi 98.5%, Precision 97%, Recall 96%, dan F1-score 98%, namun model ini kurang baik dalam pengujian Real-time. Kata Kunci : Analisis, Sentimen, IKN, Transformers, Pre-train, BERT, Naïve Bayes, Vader Lexicon, Akurasi, Precision, Recall, F1-score.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
