NUGRAHA, Ady Septian (2026) Perbandingan Metode Grid Search, Random Search, dan Bayesian Optimization dalam Optimasi Hyperparameter Model BERT untuk Analisis Sentimen pada Platform X terhadap Website Coretax. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Download (196kB)
	PDF (Legalitas) LEGALITAS-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Download (249kB)
	PDF (BabI) BAB-I-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Restricted to Repository staff only until 13 March 2027. Download (229kB)
	PDF (BabII) BAB-II-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Restricted to Repository staff only until 13 March 2027. Download (841kB)
	PDF (BabIII) BAB-III-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Restricted to Repository staff only until 13 March 2027. Download (4MB)
	PDF (BabIV) BAB-IV-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Restricted to Repository staff only Download (5MB)
	PDF (BabV) BAB-V-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Download (221kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Ady Septian Nugraha-H1D021047-Skripsi-2026.pdf Download (216kB)

Abstract

Layanan perpajakan digital Website Coretax yang baru disahkan pada awal tahun 2025 memicu beragam opini masyarakat di platform media sosial X. Analisis sentimen terhadap opini tersebut penting dilakukan untuk mengevaluasi kualitas layanan. Penelitian ini bertujuan untuk membandingkan efektivitas tiga metode optimasi hyperparameter, yaitu Grid Search, Random Search, dan Bayesian Optimization, pada model Bidirectional Encoder Representations from Transformers (BERT) untuk klasifikasi sentimen. Model yang digunakan adalah indobert-base-p1 dengan dataset sebanyak 31.586 tweet yang dibagi dengan rasio 80:10:10. Parameter yang dioptimasi meliputi learning rate, batch size, epochs, dan weight decay. Hasil penelitian menunjukkan bahwa ketiga metode optimasi berhasil meningkatkan performa dibandingkan base model (akurasi 93,84%, presisi 88,98%, recall 87,94%, F1-Score 88,44%). Bayesian Optimization terbukti menjadi metode terbaik dengan peningkatan performa paling signifikan, menghasilkan akurasi 95,00%, presisi 91,86%, recall 91,59%, dan F1-score 91,72% pada kombinasi learning rate 1,04 × 10⁻⁵, epoch 4, batch size 16, dan weight decay 0,22. Analisis sentimen menunjukkan bahwa mayoritas pengguna memberikan respons negatif terhadap Website Coretax sebesar 47% (10.428 tweet). Selain itu, penelitian ini mengimplementasikan dashboard interaktif berbasis website untuk visualisasi hasil analisis dan model.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	H26082
Uncontrolled Keywords:	Analisis Sentimen, Coretax, BERT, Optimasi Hyperparameter
Subjects:	T > T36 Taxation
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mr. Ady Septian Nugraha
Date Deposited:	25 Mar 2026 07:28
Last Modified:	25 Mar 2026 07:28
URI:	http://repository.unsoed.ac.id:443/id/eprint/40457

Actions (login required)

View Item