<didl:DIDL xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:didl="urn:mpeg:mpeg21:2002:02-DIDL-NS" xmlns:dii="urn:mpeg:mpeg21:2002:01-DII-NS" xmlns:dip="urn:mpeg:mpeg21:2002:01-DIP-NS" xmlns:dcterms="http://purl.org/dc/terms/" DIDLDocumentId="http://eprints.amikom.ac.id/id/eprint/31754" xsi:schemaLocation="urn:mpeg:mpeg21:2002:02-DIDL-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/did/didl.xsd urn:mpeg:mpeg21:2002:01-DII-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/dii/dii.xsd urn:mpeg:mpeg21:2005:01-DIP-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/dip/dip.xsd">
  <didl:Item>
    <didl:Descriptor>
      <didl:Statement mimeType="application/xml">
        <dii:Identifier>http://eprints.amikom.ac.id/id/eprint/31754</dii:Identifier>
      </didl:Statement>
    </didl:Descriptor>
    <didl:Descriptor>
      <didl:Statement mimeType="application/xml">
        <dcterms:modified>2026-06-26T07:26:37Z</dcterms:modified>
      </didl:Statement>
    </didl:Descriptor>
    <didl:Component>
      <didl:Resource mimeType="application/xml" ref="https://eprints.amikom.ac.id/cgi/export/eprint/31754/DIDL/universitasamikomyogyakarta-eprint-31754.xml"/>
    </didl:Component>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/descriptiveMetadata</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource mimeType="application/xml">
          <oai_dc:dc xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
        <dc:relation>https://eprints.amikom.ac.id/id/eprint/31754/</dc:relation>
        <dc:title>PENERAPAN DAN EVALUASI MODEL MACHINE &#13;
LEARNING TERLATIH ANTAR DOMAIN PADA ANALISIS&#13;
SENTIMEN ULASAN APLIKASI KEUANGAN DIGITAL</dc:title>
        <dc:creator>Rama, Ashari</dc:creator>
        <dc:subject>000 Ilmu komputer, informasi dan pekerjaan umum</dc:subject>
        <dc:description>Penelitian ini mengevaluasi model machine learning (SVM, ANN, dan &#13;
LSTM) untuk analisis sentimen lintas domain (cross-domain) pada ulasan aplikasi&#13;
keuangan digital Livin' by Mandiri. Tujuan penelitian adalah (1) membandingkan&#13;
performa model sebelum dan sesudah hyperparameter tuning pada dataset publik ,&#13;
(2) mengukur kemampuan generalisasi model dari dataset publik ke dataset&#13;
spesifik Livin' by Mandiri , dan (3) menentukan model yang paling andal. Metode&#13;
penelitian menggunakan supervised learning yang mencakup preprocessing teks,&#13;
pembobotan kata FastText , penanganan data tidak seimbang menggunakan&#13;
SMOTE , dan hyperparameter tuning.&#13;
Hasil penelitian pada dataset publik menunjukkan hyperparameter tuning&#13;
berhasil meningkatkan akurasi ketiga model hingga di atas 94%. LSTM (Tuned)&#13;
mencapai akurasi tertinggi (0.9422) , namun analisis statistik menunjukkan tidak&#13;
ada perbedaan performa yang signifikan (p-value &gt; 0.05) di antara ketiga model.&#13;
Saat model publik diuji pada data Livin', terjadi penurunan performa drastis&#13;
(akurasi 39-42%) , yang membuktikan adanya masalah domain shift parah.&#13;
Sebaliknya, saat model dilatih secara langsung pada dataset Livin', model ANN&#13;
(Artificial Neural Network) menunjukkan performa terbaik dengan akurasi&#13;
91.21% , mengungguli LSTM (90.89%) , SVM (86.35%) , dan penelitian&#13;
terdahulu.&#13;
Kesimpulannya, hyperparameter tuning krusial untuk data publik, namun&#13;
ketiga model memiliki performa yang setara. Model yang dilatih pada data publik&#13;
gagal digeneralisasi ke domain spesifik. Untuk domain aplikasi Livin' by Mandiri,&#13;
ANN terbukti menjadi model yang paling optimal dan unggul secara signifikan.</dc:description>
        <dc:date>2025-10-08</dc:date>
        <dc:type>Thesis</dc:type>
        <dc:type>NonPeerReviewed</dc:type>
        <dc:format>text</dc:format>
        <dc:language>id</dc:language>
        <dc:identifier>https://eprints.amikom.ac.id/id/eprint/31754/1/23.55.1410%20-%20Rama%20Ashari.pdf</dc:identifier>
        <dc:identifier>  Rama, Ashari  (2025) PENERAPAN DAN EVALUASI MODEL MACHINE LEARNING TERLATIH ANTAR DOMAIN PADA ANALISIS SENTIMEN ULASAN APLIKASI KEUANGAN DIGITAL.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   </dc:identifier></oai_dc:dc>
        </didl:Resource>
      </didl:Component>
    </didl:Item>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/objectFile</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource mimeType="text" ref="https://eprints.amikom.ac.id/id/eprint/31754/1/23.55.1410%20-%20Rama%20Ashari.pdf"/>
      </didl:Component>
    </didl:Item>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/humanStartPage</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource mimeType="application/html" ref="https://eprints.amikom.ac.id/id/eprint/31754/"/>
      </didl:Component>
    </didl:Item>
  </didl:Item>
</didl:DIDL>