Perbandingan Metode Machine Learning dan Deep Learning pada Analisis Sentimen Review Produk E-Commerce Menggunakan Naive Bayes, SVM, dan IndoBERT

Alexander Hernadi Bloem, Emmanuel (2026) Perbandingan Metode Machine Learning dan Deep Learning pada Analisis Sentimen Review Produk E-Commerce Menggunakan Naive Bayes, SVM, dan IndoBERT. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (655kB)
	PDF BAB_I.pdf Download (316kB)
	PDF BAB_II.pdf Download (379kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (458kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (236kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (241kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (886kB)
	Archive (ZIP) 00000079491_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan teknologi informasi telah mendorong pertumbuhan data teks dalam jumlah besar, khususnya dari media sosial dan ulasan daring, yang mengandung opini serta persepsi pengguna. Kondisi ini menjadikan analisis sentimen sebagai pendekatan penting dalam Natural Language Processing (NLP) untuk mengekstraksi informasi bermakna dari data teks tidak terstruktur. Dalam konteks Bahasa Indonesia, analisis sentimen menghadapi tantangan tersendiri akibat karakteristik morfologi, penggunaan bahasa informal, serta keterbatasan sumber daya linguistik. Penelitian ini bertujuan untuk membandingkan kinerja metode Machine Learning konvensional, yaitu Naïve Bayes dan Support Vector Machine (SVM), dengan metode Deep Learning berbasis transformer, yaitu IndoBERT, dalam tugas analisis sentimen Bahasa Indonesia. Metodologi penelitian menggunakan kerangka kerja CRISP-DM yang meliputi tahapan pemahaman masalah, pengumpulan dan persiapan data, pemodelan, serta evaluasi. Data yang digunakan berupa ulasan produk berbahasa Indonesia dengan tiga kelas sentimen: positif, negatif, dan netral. Hasil penelitian diharapkan menunjukkan bahwa model Deep Learning berbasis IndoBERT mampu menghasilkan performa klasifikasi yang lebih baik dibandingkan metode Machine Learning konvensional, terutama dalam memahami konteks semantik teks. Hasil penelitian menunjukkan bahwa model Naïve Bayes memperoleh akurasi sebesar 74,23% dengan Macro F1-Score 0,41, model SVM memperoleh akurasi 78,83% dengan Macro F1-Score 0,49, sedangkan model IndoBERT memberikan performa terbaik dengan akurasi 94% dan Macro F1-Score 0,59. IndoBERT secara konsisten mengungguli kedua metode Machine Learning konvensional, khususnya pada kelas sentimen negative, meskipun kelas netral tetap menjadi kelas yang paling sulit diklasifikasikan oleh ketiga model. Kesimpulan dari penelitian ini memberikan gambaran komprehensif mengenai keunggulan dan keterbatasan masing-masing pendekatan sebagai dasar pemilihan metode analisis sentimen Bahasa Indonesia.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Alexander Hernadi Bloem, Emmanuel (00000079491)
Contributors:	Suryasari, Suryasari
Keywords:	analisis sentimen, IndoBERT, machine learning, deep learning, Bahasa Indonesia
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	24 Jul 2026 08:07
URI:	https://kc.umn.ac.id/id/eprint/48048

Actions (login required)

View Item