EPrints Universitas Amikom YogyakartaKOMPARASI PERFORMA LSTM, GRU, DAN BERT DALAM ANALISIS SENTIMEN KOLOM KOMENTAR VIDEO YOUTUBE TENTANG DANANTARA INDONESIAM. AlfaRizyauthorOpini publik mengenai sovereign wealth fund (SWF) Danantara Indonesia yang diekspresikan di media sosial YouTube memerlukan metode analisis sentimen yang efektif untuk memahami persepsi masyarakat. Penelitian ini mengevaluasi secara komparatif performa model deep learning LSTM, GRU, dan BERT pada dataset 31.675 komentar YouTube berbahasa Indonesia yang memiliki ketidakseimbangan kelas (class imbalance) ekstrem dengan dominasi sentimen negatif. Metodologi penelitian mencakup komparasi model dasar, implementasi mekanisme bidirectional, serta upaya optimasi menggunakan pre-trained embedding FastText dan fungsi Focal Loss. Hasil penelitian menunjukkan bahwa model RNN dasar (unidireksional) memiliki performa tidak memadai (akurasi ~53%). Implementasi mekanisme bidirectional terbukti krusial, meningkatkan akurasi secara signifikan ke kisaran 72%. Optimasi lanjutan menunjukkan bahwa penggunaan embedding FastText pada arsitektur Bidirectional GRU berhasil mencapai performa RNN puncak sebesar 77,10%. Namun, penerapan Focal Loss terbukti kurang efektif dalam menangani ketidakseimbangan data pada dataset ini. Di sisi lain, arsitektur berbasis Transformer (BERT) menunjukkan superioritas absolut dengan akurasi tertinggi mencapai 89,66%, meskipun terindikasi mengalami instabilitas grafik loss dan membutuhkan biaya komputasi yang jauh lebih tinggi. Kesimpulannya, BERT adalah model paling akurat secara absolut, namun Bidirectional GRU yang dioptimalkan dengan FastText menawarkan keseimbangan (trade-off) terbaik antara akurasi tinggi dan efisiensi komputasi untuk implementasi praktis.000 Ilmu komputer, informasi dan pekerjaan umum004 Pemrosesan data dan ilmu komputer2025-12-08Universitas AMIKOM Yogyakarta;PJJ 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.