Perbandingan Kinerja Model Deep Learning BERT dan GPT dalam Analisis Sentimen Komentar Video YouTube : Studi Kasus Film Dirty Vote

Ashari, Purnama (2025) Perbandingan Kinerja Model Deep Learning BERT dan GPT dalam Analisis Sentimen Komentar Video YouTube : Studi Kasus Film Dirty Vote. Skripsi thesis, Universitas Tanjungpura.

	Text (Cover-Bab I) Cover-Bab1_H1101211065.pdf - Published Version Download (535kB)
	Text (H1101211065_PURNAMA ASHARI) H1101211065_PURNAMA ASHARI.pdf - Accepted Version Restricted to Repository staff only Download (3MB)

Abstract

Dirty Vote merupakan sebuah film dokumenter yang mengangkat isu kecurangan pada pemilu, film ini ramai dibicarakan masyarakat sejak perilisannya pada awal tahun 2024. Ribuan komentar warganet YouTube terhadap film Dirty Vote beserta beragam sentimennya, berpotensi menjadi sumberdaya data untuk menguji kinerja suatu model pemrosesan bahasa alami. Penelitian ini bertujuan untuk membandingkan kinerja model BERT dan GPT dalam menganalisis sentimen komentar warganet pada konten video YouTube yang berbasis bahasa alami. Kedua model tersebut merupakan model deep learning berbasis transformers, yang karakteristiknya berkebalikan. BERT bersifat bidirectional sementara GPT bersifat unidirectional. Keduanya juga hanya menggunakan satu dari dua bagian transformers saja. BERT hanya menggunakan bagian encoder, sementara GPT hanya menggunakan bagian decoder. Pada penelitian ini, kedua model dikembangkan dalam dua skenario dengan konfigurasi hiperparameter yang berbeda untuk masing-masing skenario kedua model. Hasil yang diperoleh dari 15 epochs pelatihan pada penelitian ini, BERT memiliki kinerja yang lebih baik dalam menangani data latih, dengan akurasi 99,04% dengan loss 0,028 pada skenario 1, dan akurasi 99,56% dengan loss 0,013 pada skenario 2. Sedangkan GPT memperoleh akurasi 89% dengan loss 0,27 pada skenario 1, dan akurasi 93,66% dengan loss 0,16 pada skenario 2. Evaluasi dengan confusion matrix menunjukkan bahwa BERT lebih unggul dalam menganalisis teks komentar bersentimen netral. Sementara GPT, terutama pada skenario 2, lebih efektif dalam memprediksi teks komentar dengan sentimen positif.

Actions (login required)

View Item