MUHAMMAD, Dzu Sunan (2026) Analisis Sentimen Unggahan di Platform X Terkait Mangrove Menggunakan IndoBERTweet-BIGRU Dengan Interpretasi LIME dan SHAP. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive Skripsi (1).zip Restricted to Repository staff only Download (30MB) | Request a copy
	Text 1. COVER.pdf Download (264kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (152kB)
	Text 4. KATA PENGANTAR.pdf Download (353kB)
	Text 5. ABSTRAK.pdf Download (68kB)
	Text 6. ABSTRACT.pdf Download (73kB)
	Text 7. DAFTAR ISI.pdf Download (73kB)
	Text 10. BAB I PENDAHULUAN.pdf Download (3MB)
	Text 15. DAFTAR PUSTAKA.pdf Download (3MB)

Abstract

Hutan mangrove memiliki peran ekologis yang penting dalam melindungi wilayah pesisir
dan menjaga keberlanjutan ekosistem, namun persepsi publik yang beragam terhadap
mangrove menunjukkan perlunya analisis sentimen untuk memahami opini masyarakat
secara komprehensif. Untuk memodelkan sentimen pada teks platform X yang cenderung
ringkas dan informal, penelitian ini menggunakan deep learning IndoBERTweet–BiGRU
karena IndoBERTweet sesuai dengan karakteristik bahasa Indonesia pada media sosial,
sementara BiGRU memperkuat pemahaman konteks melalui pemrosesan urutan kata dua
arah. Akan tetapi, penggunaan model deep learning yang bersifat black box menegaskan
kebutuhan akan pendekatan yang tidak hanya akurat tetapi juga transparan agar proses
pengambilan keputusan dapat dipertanggungjawabkan. Oleh karena itu, penelitian ini
bertujuan mengembangkan model analisis sentimen unggahan di platform X terkait
mangrove menggunakan IndoBERTweet–BiGRU dengan fokus pada peningkatan performa
dan transparansi prediksi melalui integrasi Explainable AI dengan LIME dan SHAP, yang
mencakup optimasi nilai hyperparameter model, pemantauan dan evaluasi kinerja model,
serta interpretasi lokal dan global dengan Explainable AI. Metode yang digunakan meliputi
pengumpulan data, pelabelan semi-otomatis berbasis few-shot learning, pra-pemrosesan
teks, penanganan imbalance, tokenisasi, pelatihan model IndoBERTweet–BiGRU yang
dioptimalkan menggunakan Bayesian Optimization dengan algoritma TPE, serta penerapan
LIME dan SHAP untuk menghasilkan penjelasan atas keputusan model. Hasil penelitian
menunjukkan bahwa konfigurasi terbaik mencapai F1-score validasi sebesar 0.85, sementara
evaluasi pada data uji menghasilkan akurasi 0.86 dan F1-score 0.85. Interpretasi LIME dan
SHAP mengungkap bahwa kata-kata bernuansa emosional memiliki kontribusi paling kuat
terhadap proses klasifikasi. Temuan ini berdampak pada meningkatnya transparansi model,
karena pengguna dapat memahami alasan di balik setiap keputusan klasifikasi sehingga
mengurangi sifat black box pada deep learning. Secara keseluruhan, penelitian ini
menghasilkan model analisis sentimen yang tidak hanya akurat tetapi juga interpretable,
memberikan kontribusi penting bagi pemantauan opini publik dan mendukung pengambilan
keputusan dalam konteks konservasi mangrove.
Kata kunci: analisis sentimen, IndoBERTweet-BiGRU, Bayesian Optimization, LIME, SHAP.

Nomor Ketersediaan : [1639F2026]

Actions (login required)

View Item