Penerapan IndoBERT Untuk Klasifikasi Sentimen Komentar TikTok Terhadap Penggunaan Foto Berbasis Generative AI

Febriani, Silvia (2026) Penerapan IndoBERT Untuk Klasifikasi Sentimen Komentar TikTok Terhadap Penggunaan Foto Berbasis Generative AI. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (249kB) | Preview
Preview	Text 2_abstrak.pdf Download (287kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (1MB) | Preview
Preview	Text 4_daftarisi.pdf Download (306kB) | Preview
Preview	Text 5_bab1.pdf Download (345kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (416kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (411kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (628kB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (243kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (254kB) | Request a copy

Abstract

Perkembangan Generative Artificial Intelligence (Generative AI) dalam pembuatan dan pengeditan foto memberikan kemudahan dalam menghasilkan konten visual. Namun, penggunaan foto berbasis Generative AI juga menimbulkan berbagai tanggapan masyarakat, terutama terkait privasi, etika, dan penyalahgunaan foto. TikTok menjadi salah satu media sosial yang dapat digunakan untuk melihat tanggapan tersebut melalui komentar pengguna. Oleh karena itu, penelitian ini bertujuan untuk menerapkan model IndoBERT dalam mengklasifikasikan sentimen komentar TikTok terhadap penggunaan foto berbasis Generative AI serta mengetahui performa model dalam mengklasifikasikan sentimen positif dan negatif. Penelitian ini merupakan penerapan Natural Language Processing (NLP) untuk melakukan klasifikasi sentimen. Data komentar TikTok dikumpulkan menggunakan teknik web scraping dengan bantuan Apify, kemudian dilakukan preprocessing, pelabelan sentimen, augmentasi data, dan pembagian dataset. Model IndoBERT kemudian dilatih menggunakan lima skenario dengan variasi pembagian dataset, jumlah epoch, dan batch size. Hasil evaluasi menunjukkan bahwa seluruh skenario menghasilkan performa di atas 95%. Skenario terbaik diperoleh pada pembagian data 80:10:10 dengan 10 epoch dan batch size 32, dengan nilai accuracy, macro precision, macro recall, dan macro F1-score sebesar 98,47%. Model terbaik selanjutnya diimplementasikan ke dalam aplikasi berbasis web menggunakan Streamlit untuk melakukan klasifikasi sentimen secara langsung. Hasil penelitian menunjukkan bahwa IndoBERT mampu mengklasifikasikan sentimen komentar TikTok terhadap penggunaan foto berbasis Generative AI dengan performa yang sangat baik serta dapat diterapkan dalam aplikasi klasifikasi sentimen berbasis web.

Actions (login required)

View Item