Perbandingan Performa Open Source LLM IndoBERT, OpenAI GPT, dan Gemini terhadap Sentiment Analysis dalam Bahasa Indonesia

Rosa, Arida Amalia (2024) Perbandingan Performa Open Source LLM IndoBERT, OpenAI GPT, dan Gemini terhadap Sentiment Analysis dalam Bahasa Indonesia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (419kB)
	PDF BAB_I.pdf Download (151kB)
	PDF BAB_II.pdf Download (493kB)
	PDF BAB_III.pdf Download (468kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (647kB)
	PDF BAB_V.pdf Download (137kB)
	PDF DAFTAR_PUSTAKA.pdf Download (205kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (643kB)

Abstract

Sebagai toko retail yang berfokus pada penjualan online melalui E-commerce, sangat penting bagi TokoTeknoPro untuk menjaga penilaian toko. Hal ini dikarenakan rating dan review pelanggan merupakan aspek yang mempengaruhi keputusan untuk membeli suatu produk. Maka dari itu, penting bagi TokoTeknoPro untuk melakukan pengkajian review pelanggan secara berkala. Namun, dengan besarnya transaksi yang ada akan sulit jika dilakukan secara manual. Oleh karena itu untuk mempermudah hal tersebut, pendekatan sentiment analysis bisa menjadi solusinya. Terdapat banyak teknik yang bisa digunakan untuk sentiment analysis, salah satunya adalah Large Language Model. Terdapat beberapa model yang cukup popular digunakan untuk sentiment analysis antara lain seperti GPT, Llama, dan BERT. Untuk mengetahui model mana yang cocok untuk impementasi sentiment analysis pada product review dari TokoTeknoPro maka pada penelitian ini dilaukan uji performa dari beberapa model yang berbeda yaitu IndoBERT, GPT, dan Gemini. Pada penelitian ini proses yang dilakukan adalah pengumpulan data, pre-processing, implementasi model, pelatihan model, dan evaluasi model. Penelitian ini menunjukkan pemilihan model yang tepat bisa sangat bervariasi berdasarkan kebutuhan. IndoBERTlebih unggul dibanding dengan Gemini dan GPT dengan nilai F1 sebesar 0.9 , accuracy 0.94, recall 0.89, dan precision 0.9.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Large Language Model(LLM), Natural Language Processing, Fine-Tuning, Sentimen Analisis berbasis aspek
Subjects:	?? TK7885-7895 ??
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	06 Nov 2024 02:29
Last Modified:	06 Nov 2024 02:29
URI:	https://kc.umn.ac.id/id/eprint/32181

Actions (login required)

View Item