Analisis Sentimen Pada Peringkasan Teks Berita Otomatis Berbahasa Indonesia Menggunakan Deep Learning

Fata, Mohammad Azis Khoirul (2024) Analisis Sentimen Pada Peringkasan Teks Berita Otomatis Berbahasa Indonesia Menggunakan Deep Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6022212026-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (2MB) | Request a copy

Abstract

Saat ini, berita online telah menggantikan majalah konvensional dan surat kabar fisik karena sifatnya yang mudah dipahami dan tepat waktu dalam menyampaikan informasi. Situs berita menjadi sumber berharga untuk mempelajari isu-isu penting seperti isu sosial, politik, ataupun ekonomi di suatu negara. Pemerintah menggunakan saluran berita dan analisa sentimen untuk mendapatkan gambaran umum mengenai berbagai isu spesifik. Namun, beberapa penelitian terdahulu hanya membaca sebagian elemen dari berita untuk menentukan sentimen, sehingga menyebabkan kesalahan dalam penentuan sentimen. Metode Deep Learning yang menggunakan tumpukan Encoder dari arsitektur Transformer, yaitu BERT, diperkenalkan sebagai model transfer learning dengan model pre-trained yang telah dilatih dengan sekumpulan teks yang besar sehingga memiliki representasi konteks yang lebih baik. Penelitian ini menguji efektifitas BERT fine-tuning menggunakan model IndoBERT pre-trained untuk analisis sentimen pada ringkasan teks berita yang dibuat secara otomatis dengan membandingkannya dengan analisis sentimen pada ringkasan teks berita yang dibuat secara manual. BERT fine-tuning untuk analisis sentimen dilatih menggunakan dataset ringkasan berita manual dari IndoSUM dataset yang dilabeli sentimen secara manual sedangkan peringkasan teks berita otomatis dilakukan menggunakan model IndoBERT fine-tuned yang telah dilatih dengan sekumpulan besar artikel berita dari dataset Liputan6. Penelitian ini menunjukkan bahwa model IndoBERT fine-tuned yang diuji menggunakan ringkasan berita manual mencapai hasil yang optimal, dengan F1-score 75%, jika dibandingkan dengan F1-Score 65% hasil dari pengujian menggunakan ringkasan berita yang dihasilkan secara otomatis. Hal ini menunjukkan bahwa kinerja prediksi analisis sentimen menggunakan peringkasan berita otomatis belum dapat melampaui kinerja prediksi analisis sentimen menggunakan ringkasan berita yang dibuat oleh manusia. Hasil penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem analisis sentimen di pemerintahan.
==================================================================================================================================
Recently, online news has replaced conventional magazines and physical newspapers due to its understandability and timely delivery of information. News websites have become a valuable resource for learning about important issues such as social, political or economic issues in a country. Governments utilize news channels and sentiment analysis to capture an overview of specific issues. However, some previous studies only looked at some elements of the news to determine sentiment, leading to errors in sentiment determination. A Deep Learning method that employs the Encoder stack of the Transformer architecture, namely BERT, is introduced as a transfer learning model with pre-trained model that has been trained with a huge set of text for better context representation. This study tests the effectiveness of BERT fine-tuning using pre-trained IndoBERT models for sentiment analysis on automatically generated news text summaries by comparing it with sentiment analysis on man-made news text summaries. BERT fine-tuning for sentiment analysis trained using manual news summary dataset from IndoSUM dataset which is manually sentiment labeled while automatic news text summarization is done using fine-tuned IndoBERT model which has been trained with a large set of news articles from Liputan6 dataset. This research shows that the fine-tuned IndoBERT model tested using man-made news summaries achieved optimal results, with an F1-score of 75%, when compared to the F1-Score of 65% resulting from testing using automatically generated news summaries. This shows that the performance of sentiment analysis prediction using automatic news summarization has not been able to surpass the performance of sentiment analysis prediction using news summaries created by humans. The results of this research are expected to be a reference in the development of sentiment analysis systems in government.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	berita, analisis sentimen, peringkasan teks otomatis, transformer, bert, news, sentiment analysis, automatic summarization, transformers
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Mohammad Azis Khoirul Fata
Date Deposited:	24 Jan 2024 08:41
Last Modified:	24 Jan 2024 08:41
URI:	http://repository.its.ac.id/id/eprint/105620

Actions (login required)

View Item