Komparasi Model IndoBERT dan Support Vector Machine dalam Analisis Sentimen pada Ulasan Rumah Sakit

Eldo, Muhammad David Hollyday (2026) Komparasi Model IndoBERT dan Support Vector Machine dalam Analisis Sentimen pada Ulasan Rumah Sakit. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (Cover) 00. Cover.pdf - Accepted Version Restricted to Registered users only Download (384kB) | Request a copy
	Text (BAB I-III) 01. BAB I-III.pdf - Accepted Version Restricted to Registered users only Download (643kB) | Request a copy
	Text (BAB IV) 02. BAB IV.pdf - Accepted Version Restricted to Registered users only Download (903kB) | Request a copy
	Text (BAB V) 03. BAB V.pdf - Accepted Version Restricted to Registered users only Download (248kB) | Request a copy
	Text (Daftar Pustaka) 04. BAB Daftar Pustaka.pdf - Accepted Version Restricted to Registered users only Download (242kB) | Request a copy
	Text (05 Lampiran) 05 LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (81kB) | Request a copy

Abstract

Perkembangan teknologi digital telah mendorong masyarakat untuk menyampaikan pengalaman dan penilaian terhadap layanan rumah sakit melalui ulasan daring, salah satunya pada platform Google Maps Reviews. Ulasan tersebut dapat menjadi sumber informasi penting dalam memahami persepsi pasien terhadap kualitas pelayanan rumah sakit. Namun, banyaknya jumlah ulasan membuat proses analisis secara manual membutuhkan waktu dan usaha yang besar. Oleh karena itu, analisis sentimen berbasis machine learning dan deep learning dapat digunakan untuk mengklasifikasikan ulasan ke dalam sentimen positive dan negative secara otomatis. Penelitian ini bertujuan untuk membandingkan kinerja model IndoBERT dan Support Vector Machine (SVM) dalam melakukan analisis sentimen pada ulasan rumah sakit berbahasa Indonesia. Metode yang digunakan dalam penelitian ini adalah IndoBERT sebagai model berbasis transformer dan SVM sebagai model machine learning konvensional dengan memanfaatkan representasi fitur berupa Classification (CLS) embedding dari IndoBERT. Dataset yang digunakan berjumlah 25.295 ulasan, terdiri dari 20.259 ulasan positive dan 5.036 ulasan negative. Karena distribusi kelas yang tidak seimbang tersebut, dilakukan proses Random Undersampling sehingga diperoleh 9.752 data dengan jumlah yang seimbang pada kedua kelas untuk digunakan dalam proses pelatihan dan pengujian model. Hasil penelitian menunjukkan bahwa model IndoBERT memperoleh akurasi sebesar 95,95% dengan learning rate terbaik 2e-5, sedangkan model SVM memperoleh akurasi sebesar 81,04% dengan parameter terbaik C=10, kernel='rbf', dan gamma=0.001. Hasil tersebut menunjukkan bahwa IndoBERT memiliki performa lebih unggul karena mampu memahami konteks teks berbahasa Indonesia secara lebih baik melalui arsitektur transformer, sedangkan SVM menghasilkan akurasi yang lebih rendah meskipun telah menggunakan fitur CLS embedding sebagai representasi teks. Penelitian ini menyimpulkan bahwa IndoBERT lebih efektif dibandingkan SVM dalam klasifikasi sentimen ulasan rumah sakit berbahasa Indonesia.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Analisis Sentimen, IndoBERT, Support Vector Machine, CLS embedding, Ulasan Rumah Sakit.
Subjects:	Computer Science > Informatics Computer Science > Information analysis Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Muhammad David Hollyday Eldo
Date Deposited:	21 Jul 2026 07:28
Last Modified:	21 Jul 2026 07:28
URI:	https://repository.bakrie.ac.id/id/eprint/13831

Actions (login required)

View Item