Implementasi analisis sentimen publik terhadap tuntutan 17+8 rakyat menggunakan metode fine-tuning dan zero-shot learning pada model indobert dan deepseek ai
Penerbit : FTI - Usakti
Kota Terbit : Jakarta
Tahun Terbit : 2026
Pembimbing 1 : Dedy Sugiarto
Pembimbing 2 : Syandra Sari
Kata Kunci : sentiment analysis, IndoBERT, DeepSeek AI, fine-tuning, zero-shot learning, Power BI.
Status Posting : Published
Status : Lengkap
| No. | Nama File | Hal. | Link |
|---|---|---|---|
| 1. | 2026_SK_SSI_065002200013_Halaman-Judul.pdf | ||
| 2. | 2026_SK_SSI_065002200013_Surat-Pernyataan-Revisi-Terakhir.pdf | ||
| 3. | 2026_SK_SSI_065002200013_Surat-Hasil-Similaritas.pdf | ||
| 4. | 2026_SK_SSI_065002200013_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf | ||
| 5. | 2026_SK_SSI_065002200013_Lembar-Pengesahan.pdf | ||
| 6. | 2026_SK_SSI_065002200013_Pernyataan-Orisinalitas.pdf | ||
| 7. | 2026_SK_SSI_065002200013_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf | ||
| 8. | 2026_SK_SSI_065002200013_Bab-1-Pendahuluan.pdf | ||
| 9. | 2026_SK_SSI_065002200013_Bab-2-Landasan-Teori.pdf |
|
|
| 10. | 2026_SK_SSI_065002200013_Bab-3-Metodologi-Penelitian.pdf |
|
|
| 11. | 2026_SK_SSI_065002200013_Bab-4-Analisis-dan-Pembahasan.pdf |
|
|
| 12. | 2026_SK_SSI_065002200013_Bab-5-Kesimpulan-dan-Saran.pdf | ||
| 13. | 2026_SK_SSI_065002200013_Daftar-Pustaka.pdf |
S Sosial media kini berfungsi sebagai platform bagi masyarakat untuk mengungkapkan pandangan mereka tentang berbagai isu publik, termasuk tuntutan 17+8 rakyat. tingginya jumlah komentar yang dihasilkan membuat analisis sentimen menjadi metode yang efektif untuk memahami kecenderungan opini publik. penelitian ini bertujuan mengimplementasikan dan mengevaluasi kinerja model indobert dan deepseek ai dalam analisis sentimen terhadap isu tuntutan 17+8 rakyat, serta mengembangkan dashboard visualisasi hasil analisis menggunakan power bi. data penelitian diperoleh dari 900 komentar youtube yang dikumpulkan dari tiga kanal berita, yaitu najwa shihab, kompastv, dan cnn indonesia. komentar terlebih dahulu diberi label secara manual ke dalam tiga kelas sentimen dengan hasil pengujian reliabilitas menggunakan cohen\\\'s kappa sebesar 0,53 yang menunjukkan tingkat kesepakatan moderate agreement. selanjutnya, data melalui tahapan preprocessing yang meliputi cleaning, case folding, tokenisasi, dan normalisasi. pengujian dilakukan menggunakan pendekatan zero-shot learning dan fine-tuning. hasil pengujian menunjukkan bahwa pada pendekatan zero-shot learning, indobert memperoleh accuracy sebesar 68,93% dan f1-score sebesar 55,95%, sedangkan deepseek ai memperoleh accuracy sebesar 39,55% dan f1-score sebesar 39,49%. setelah dilakukan fine-tuning, performa kedua model meningkat, dengan indobert mencapai accuracy sebesar 83,05% dan f1-score sebesar 69,83%, sementara deepseek ai memperoleh accuracy sebesar 79,10% dan f1-score sebesar 57,77%. selain itu, dashboard power bi berhasil dikembangkan dan hasil pengujian system usability scale (sus) diperoleh skor rata-rata 81 yang menunjukkan dashboard memiliki tingkat kegunaan yang baik dan dapat diterima oleh pengguna. berdasarkan hasil penelitian, pendekatan fine-tuning menghasilkan performa yang lebih baik dibandingkan zero-shot learning, dengan model indobert memberikan kinerja terbaik dalam analisis sentimen terhadap isu tuntutan 17+8 rakyat.
S Social media has become a platform for the public to express opinions on various public issues, including the tuntutan 17+8 rakyat. the large volume of user-generated comments makes sentiment analysis an effective approach for identifying public opinion trends. this study aims to implement and evaluate the performance of the indobert and deepseek ai models for sentiment analysis of the tuntutan 17+8 rakyat issue and to develop a power bi dashboard for visualizing the analysis results. the dataset consisted of 900 youtube comments collected from the najwa shihab, kompastv, and cnn indonesia channels. comments were manually labeled into positive, negative, and neutral classes. reliability testing using cohen’s kappa produced a score of 0.53, indicating moderate agreement. the data were preprocessed through cleaning, case folding, tokenization, and normalization. experiments were conducted using zero-shot learning and fine-tuning approaches. in the zero-shot setting, indobert achieved 68.93% accuracy and a 55.95% f1-score, while deepseek ai achieved 39.55% accuracy and a 39.49% f1-score. after fine-tuning, indobert improved to 83.05% accuracy and a 69.83% f1-score, whereas deepseek ai reached 79.10% accuracy and a 57.77% f1-score. the developed power bi dashboard obtained an average system usability scale (sus) score of 81, indicating good usability and user acceptance. overall, fine-tuning outperformed zero-shot learning, with indobert delivering the best performance for sentiment analysis of the tuntutan 17+8 rakyat issue.