Text

Integrasi Model Hybrid (Bert-Lstm) Untuk Aspect-Based Sentiment Analysis Pada Opini Kendaraan Mobil Listrik Di Berbagai Platform Media Sosial

---

Peningkatan adopsi kendaraan listrik (EV) di Indonesia memicu beragam opini publik yang kompleks dan tidak terstruktur di media sosial.
Penelitian ini mengimplementasikan Aspect-Based Sentiment Analysis (ABSA) untuk mengklasifikasikan sentimen secara granular pada enam
aspek utama: baterai, desain, harga, performa, infrastruktur, dan umum. Kinerja tiga arsitektur model, yaitu Bi-LSTM, IndoBERT, dan usulan Hybrid
(IndoBERT-BiLSTM), dibandingkan menggunakan 3.000 data ulasan dari YouTube, Instagram, dan TikTok. Berdasarkan hasil evaluasi, model
berbasis Transformer secara konsisten mengungguli model sekuensial. IndoBERT mencapai rata-rata akurasi tertinggi sebesar (80,50%), diikuti
oleh model Hybrid (78,83%) dan Bi-LSTM (71,67%). Meskipun IndoBERT lebih unggul secara global, model Hybrid terbukti adaptif dalam menyeimbangkan ekstraksi fitur dan unggul pada kondisi tertentu, seperti pada aspek Umum (0,49 berbanding 0,48). Penelitian ini menyimpulkan
bahwa IndoBERT optimal untuk klasifikasi sentimen secara keseluruhan, sementara arsitektur Hybrid menjadi alternatif komputasi yang stabil untuk
memetakan dinamika opini teknis kendaraan listrik secara spesifik.

---

Ketersediaan

T250071

TESIS-2026 HAN i

Perpustakaan Universitas Handayani Makassar

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

TESIS-2026 HAN i

Penerbit

: ., 2026

Deskripsi Fisik

ii + 163 hlm; 29 x 21 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

TESIS-2026 HAN i

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

Ed. 1, Cet. 1

Subjek

Media Sosial
IndoBERT
Aspect-Based Sentiment Analysis
Mobil Listrik
Bi-LSTM
Model Hybrid

Info Detail Spesifik

Tesis

Pernyataan Tanggungjawab

Muh. Hanafi Halik

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus login sebelum memberikan komentar