RIFQI, TARUNA HEZA (2026) OPTIMASI MODEL BIDIRECTIONAL ENCODER REPRESENTATION FROM TRANSFORMER (BERT) UNTUK ANALISIS SENTIMEN PROGRAM MAKAN BERGIZI GRATIS PADA PLATFORM X. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (62kB)
	Text Abstrak.pdf Download (86kB)
	Text BAB 1.pdf Download (194kB)
	Text Daftar Pustaka.pdf Download (191kB)
	Text Full-text.pdf Restricted to Registered users only Download (7MB)

Abstract

Program Makan Bergizi Gratis (MBG) merupakan salah satu kebijakan strategis pemerintah Indonesia yang bertujuan meningkatkan kualitas gizi masyarakat serta mendukung pembangunan sumber daya manusia yang sehat dan produktif. Implementasi program ini memunculkan berbagai tanggapan publik di media sosial, khususnya Platform X, sehingga diperlukan analisis sentimen untuk memahami persepsi masyarakat secara efektif dan berbasis data. Penelitian ini bertujuan mengoptimalkan model IndoBERT melalui proses fine tuning untuk mengklasifikasikan sentimen publik terhadap Program MBG ke dalam tiga kategori: positif, netral, dan negatif.Data penelitian diperoleh melalui proses scraping sebanyak 5.276 tweet dari Platform X pada periode Januari–Desember 2025, kemudian diproses melalui tahapan preprocessing meliputi case folding, cleansing, normalisasi teks, dan tokenisasi. Dataset yang telah diberi label dibagi menjadi data pelatihan, validasi, dan pengujian dengan distribusi sentimen yang seimbang (Negatif 34,5%, Netral 36,1%, Positif 29,4%). Proses fine-tuning dilakukan menggunakan model indobenchmark/indobert-base-p1 dengan optimizer AdamW, learning rate 2×10⁻⁵, dan batch size 8 .Hasil penelitian menunjukkan bahwa model IndoBERT sebelum fine-tuning memiliki performa rendah dengan kecenderungan bias terhadap satu kelas sentimen. Setelah dilakukan fine-tuning, model berhasil mencapai akurasi sebesar 93,72%, precision 93,74%, recall 93,72%, dan F1-score 93,72%. Hasil confusion matrix menunjukkan peningkatan kemampuan model dalam mengklasifikasikan ketiga kelas sentimen secara lebih seimbang dan akurat. Model kemudian diimplementasikan ke dalam aplikasi web interaktif berbasis Streamlit (MBG Sentiment AI) yang mendukung prediksi sentimen secara real-time maupun analisis massal. Penelitian ini membuktikan bahwa optimisasi IndoBERT melalui fine-tuning efektif untuk analisis sentimen kebijakan publik berbasis media sosial dan dapat dimanfaatkan sebagai alat pendukung evaluasi Program Makan Bergizi Gratis secara data driven. Kata Kunci: Analisis Sentimen, IndoBERT, Fine-Tuning, Program Makan Bergizi Gratis, Platform X, Natural Language Processing.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Taruna Heza Rifqi
Date Deposited:	17 Sep 2026 06:50
Last Modified:	17 Sep 2026 06:50
URI:	https://rama.unimal.ac.id/id/eprint/22506

Actions (login required)

View Item