ZAHRA, Aura Arfannisa Az (2026) Evaluasi Komparatif Antara Model BERT-BiLSTM dan BERT-BiGRU untuk Analisis Sentimen Pada Dataset Movie Review. Undergraduate thesis, Fakultas Sains dan Matematika Undip.

	Archive (FULL TEXT) 24060122130097 Aura Arfannisa Az Zahra Prodi Informatika 2022.zip Restricted to Repository staff only Download (7MB) | Request a copy
	Text 1. COVER.pdf Download (84kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (261kB)
	Text 5. KATA PENGANTAR.pdf Download (369kB)
	Text 7. ABSTRAK.pdf Download (193kB)
	Text 8. ABSTRACT.pdf Download (147kB)
	Text 9. DAFTAR ISI.pdf Download (213kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (272kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (252kB)

Abstract

Ulasan film merupakan sumber informasi kualitatif yang krusial dalam mengevaluasi
berbagai aspek sebuah film, mulai dari alur cerita, akting, hingga kualitas produksi, sehingga
analisis sentimen terhadap ulasan film penting untuk memahami kepuasan audiens secara
lebih komprehensif. Karakteristik bahasa ulasan film yang bervariasi membutuhkan model
yang mampu memahami konteks kata sekaligus pola sekuensial. BERT unggul dalam
pemahaman konteks kata, sedangkan BiLSTM dan BiGRU unggul dalam pemodelan pola
sekuensial, dengan GRU lebih sederhana dibandingkan LSTM sehingga berpotensi
menghasilkan performa berbeda. Oleh karena itu, penelitian ini mengusulkan evaluasi
komparatif terhadap model BERT-BiLSTM dan BERT-BiGRU untuk menganalisis
sentimen ulasan film, sekaligus menganalisis pengaruh kombinasi hyperparameter terhadap
performa model. Dataset yang digunakan adalah Movie Review yang terdiri dari 10.662
ulasan film berbahasa Inggris dengan label sentimen positif dan negatif. Tahapan penelitian
meliputi prapemrosesan teks, tokenisasi, pembangunan model, pelatihan dengan
hyperparameter tuning menggunakan skema 5-Fold Cross Validation, serta evaluasi
menggunakan metrik accuracy, precision, recall, dan F1-score. Hyperparameter yang
dianalisis meliputi batch size, max sequence length, dan hidden unit. Berdasarkan hasil
eksperimen, BERT-BiLSTM menghasilkan performa terbaik dengan accuracy 88,66%, F1
score 88,70%, precision 88,29%, dan recall 89,12%, sedangkan BERT-BiGRU
menghasilkan accuracy 87,16%, F1-score 87,60%, precision 84,62%, dan recall 90,81%.
Kombinasi hyperparameter terbaik pada BERT-BiLSTM adalah batch size 32, max
sequence length 128, dan hidden unit 128, sedangkan pada BERT-BiGRU adalah batch size
16, max sequence length 128, dan hidden unit 128. Analisis hyperparameter menunjukkan
bahwa pengaruhnya bersifat kontekstual dan tidak dapat dievaluasi secara independen.
Secara keseluruhan, BERT-BiLSTM dipilih sebagai model terbaik karena menghasilkan
accuracy dan F1-score tertinggi dengan performa yang lebih seimbang dalam analisis
sentimen ulasan film.
Kata kunci : Analisis Sentimen, Ulasan Film, BERT, BiLSTM, BiGRU

(NO. KETERSEDIAAN : 1704/F/2026)

Actions (login required)

View Item