EPrints Universitas Amikom YogyakartaPENERAPAN DAN EVALUASI MODEL MACHINE LEARNING TERLATIH ANTAR DOMAIN PADA ANALISIS SENTIMEN ULASAN APLIKASI KEUANGAN DIGITALAshariRamaauthorPenelitian ini mengevaluasi model machine learning (SVM, ANN, dan LSTM) untuk analisis sentimen lintas domain (cross-domain) pada ulasan aplikasi keuangan digital Livin' by Mandiri. Tujuan penelitian adalah (1) membandingkan performa model sebelum dan sesudah hyperparameter tuning pada dataset publik , (2) mengukur kemampuan generalisasi model dari dataset publik ke dataset spesifik Livin' by Mandiri , dan (3) menentukan model yang paling andal. Metode penelitian menggunakan supervised learning yang mencakup preprocessing teks, pembobotan kata FastText , penanganan data tidak seimbang menggunakan SMOTE , dan hyperparameter tuning. Hasil penelitian pada dataset publik menunjukkan hyperparameter tuning berhasil meningkatkan akurasi ketiga model hingga di atas 94%. LSTM (Tuned) mencapai akurasi tertinggi (0.9422) , namun analisis statistik menunjukkan tidak ada perbedaan performa yang signifikan (p-value > 0.05) di antara ketiga model. Saat model publik diuji pada data Livin', terjadi penurunan performa drastis (akurasi 39-42%) , yang membuktikan adanya masalah domain shift parah. Sebaliknya, saat model dilatih secara langsung pada dataset Livin', model ANN (Artificial Neural Network) menunjukkan performa terbaik dengan akurasi 91.21% , mengungguli LSTM (90.89%) , SVM (86.35%) , dan penelitian terdahulu. Kesimpulannya, hyperparameter tuning krusial untuk data publik, namun ketiga model memiliki performa yang setara. Model yang dilatih pada data publik gagal digeneralisasi ke domain spesifik. Untuk domain aplikasi Livin' by Mandiri, ANN terbukti menjadi model yang paling optimal dan unggul secara signifikan.000 Ilmu komputer, informasi dan pekerjaan umum2025-10-08Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.