ANALISIS SENTIMEN ULASAN FILM DENGAN TRANSFER LEARNING BERBASIS INDOBERT

• ACHMAD FATKHARROFIQI
• 14002469

---

ABSTRAK

 

ABSTRAK Nama : Achmad Fatkharrofiqi NIM : 14002469 Program Studi : Ilmu Komputer Fakultas : Teknologi Informasi Jenjang : Strata Dua (S2) Konsentrasi : Data Mining Judul Tesis : “Analisis Sentimen Ulasan Film Dengan Transfer Learning Berbasis IndoBERT” Penelitian ini bertujuan untuk analisis sentimen Bahasa Indonesia terhadap review film Bumi Manusia di YouTube. Namun, analisis sentimen pada komentar YouTube yang bervariasi dari komentar positif, negatif maupun netral. Komentar pengguna memiliki peran penting dalam keberhasilan suatu film yang dibuat. Komentar pengguna dalam bentuk tekstual adalah data yang tidak terstruktur, menciptakan kompleksitas yang sangat tinggi ketika diproses untuk analisis sentimen. Pendekatan sebelumnya yang telah digunakan seringkali mengabaikan konteks terhadap komentar. Selain itu, data yang relatif kecil membuat model overfitting. Pendekatan baru, BERT, telah diperkenalkan sebagai transfer model pembelajaran dengan model pra-terlatih yang sebelumnya telah dilatih untuk memiliki representasi konteks yang lebih baik. Penelitian ini meneliti efektivitas fine-tuning BERT untuk analisis sentimen menggunakan dua model pra-terlatih yang berbeda. Penulis menggunakan model pra-terlatih yang hanya dilatih dalam bahasa Indonesia. Dataset yang digunakan adalah komentar pada trailer Bumi Manusia di situs YouTube. Tiga pendekatan yang penulis lakukan dalam melakukan uji coba yaitu eksperimen menggunakan preprocessing, eksperimen menggunakan sebagian data dilakukan preprocessing dan sebagian data tidak dilakukan preprocessing dan eksperimen tanpa dilakukan preprocessing, dari seluruh percobaan diuji menggunakan model IndoBERT-base-p1 dengan hasil terbaik yaitu dengan tanpa melakukan preprocessing dengan hasil Pra-latih model Indonesia akurasi tertinggi adalah 85% dan Kappa 73.8% dengan 10 epoch, Adam Optimizer, learning rate 0.00001 dan waktu pelatihan 11 menit 50 detik. Kata kunci : Analisis Sentimen, Bumi Manusia, IndoBERT, Komentar YouTube
 

KATA KUNCI

Analisis Sentimen,Transfer Learning,INDOBERT

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA
[1] Kemendikbud, “PERSEPSI MASYARAKAT TERHADAP PERFILMAN INDONESIA,”
2020.
[2] Pusbangfilm, “Kemendikbud Tekankan Pentingnya Peningkatan Kualitas dan
Layanan Perfilman,” kemdikbud, 2019.
[3] CNN Indonesia, “Kemendikbud Targetkan 58 Juta Penonton Film Indonesia di
2019,” 2019. https://www.cnnindonesia.com/hiburan/20190329184318-220-
381870/kemendikbud-targetkan-58-juta-penonton-film-indonesia-di-2019
(accessed Dec. 23, 2021).
[4] Data Reportal, “Digital 2020: Indonesia Data Reportal Global Digital Insights,”
2020. https://datareportal.com/reports/digital-2020-indonesia (accessed Dec.
23, 2021).
[5] R. Mas, R. W. Panca, K. Atmaja1, and W. Yustanti2, “Analisis Sentimen Customer
Review Aplikasi Ruang Guru dengan Metode BERT (Bidirectional Encoder
Representations from Transformers),” JEISBI, vol. 02, 2021.
[6] S. Mukherjee, ML.NET Revealed. Apress, 2021. doi: 10.1007/978-1-4842-6543-7.
[7] R. M. Yanuar and S. Shiramatsu, Aspect Extraction for Tourist Spot Review in
Indonesian Language using BERT. 2020.
[8] A. Vaswani et al., Attention is all you need. Advances in Neural Information
Processing Systems,. 2017.
[9] Jay Alammar, “The Illustrated Transformer,” May 2018.
https://jalammar.github.io/illustrated-transformer/ (accessed Jul. 01, 2022).
[10] J. Devlin, M.-W. Chang, K. Lee, K. T. Google, and A. I. Language, “BERT: Pre-
training of Deep Bidirectional Transformers for Language Understanding,”
Proceedings of the 2019 Conference of the North, pp. 4171–4186, 2019, doi:
10.18653/V1/N19-1423.
[11] F. Chollet, Deep Learning with Python . Manning, 2017.
[12] Y. Goldberg, “Neural Network Methods for Natural Language Processing,” Neural
Network Methods for Natural Language Processing, vol. 10, 2017, [Online].
Available: https://dx.doi.org/10.1162/COLI_r_00312
[13] K. Setyo Nugroho, A. Yullian Sukmadewa, H. D. Wuswilahaken, F. Abdurrachman
Bachtiar, and N. Yudistira, “BERT Fine-Tuning for Sentiment Analysis on
Indonesian Mobile Apps Reviews,” 2021. [Online]. Available:
https://research.google/teams/brain.
[14] Y. Surya, S. al Faraby, and M. Dwifebri, “Analisis Sentimen Terhadap Ulasan Film
Menggunakan Word2Vec dan SVM,” 2021. 53
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri
[15] M. Alfi, R. Reynaldhi, and Y. Sibaroni, “Analisis Sentimen Review Film pada
Twitter menggunakan Metode Klasifikasi Hybrid SVM, Naïve Bayes, dan Decision
Tree,” 2021.
[16] W. Widayat, “Analisis Sentimen Movie Review menggunakan Word2Vec dan
metode LSTM Deep Learning,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol.
5, no. 3, p. 1018, Jul. 2021, doi: 10.30865/mib.v5i3.3111.
[17] M. Febriansyah Trisnadi, S. al Faraby, and M. Dwifebri, “Sentiment Analysis pada
Movie Review Menggunakan Feature Selection Mutual Information dan KNearest Neighbour Classifier,” 2021.
[18] N. M. Hibattullah, S. al Faraby, and M. D. Purbolaksono, “Analisis Sentimen
terhadap Ulasan Film Berbahasa Inggris Menggunakan Metode Support Vector
Machine dengan Feature Selection Information Gain,” 2021.
[19] R. Ramadhan Al-Mubaraq, S. al Faraby, and M. Dwifebri Purbolaksono, “Analisis
Sentimen pada Ulasan Film dengan Kombinasi Seleksi Fitur Chi-Square dan TF-IDF
menggunakan Metode KNN,” 2021.
[20] B. Wilie et al., “IndoNLU: Benchmark and Resources for Evaluating Indonesian
Natural Language Understanding,” Sep. 2020, doi: 10.48550/arxiv.2009.05387.
[21] T. Wolf et al., “HuggingFace’s Transformers: State-of-the-art Natural Language
Processing,” Oct. 2019, doi: 10.48550/arxiv.1910.03771.
[22] D. Osinga, Deep Learning Cookbook. 2018.
[23] J. Daniel and J. H. Martin, “Speech and Language Processing,” 2021.
[24] N. Aliyah Salsabila, Y. Ardhito Winatmoko, A. Akbar Septiandri, and A. Jamal,
“Colloquial Indonesian Lexicon,” Proceedings of the 2018 International
Conference on Asian Language Processing, IALP 2018, pp. 226–229, Jan. 2019,
doi: 10.1109/IALP.2018.8629151.