@phdthesis{universitasamikomyogyakarta33077,
          school = {Universitas AMIKOM Yogyakarta},
            year = {2026},
           title = {PREDIKSI KESEHATAN MENTAL BERDASARKAN DATA 
PLATFROM X MENGGUNAKAN MODEL INDOBERT 
DENGAN EKSPERIMEN VARIASI HYPERPARAMETER},
           month = {April},
          author = {Ulfatun Badriyah},
             url = {https://eprints.amikom.ac.id/id/eprint/33077/},
        keywords = {IndoBERT, kesehatan mental, klasifikasi opini, media sosial, variasi
hyperparameter, mental health, opinion classification, social media,
hyperparameter variation.},
        abstract = {Penggunaan media sosial seperti Platform X telah menjadi ruang bagi 
masyarakat, khususnya generasi muda, dalam mengekspresikan kondisi psikologis
dan masalah kesehatan mental. Namun, karakteristik teks pada media sosial yang
informal dan tidak terstruktur menjadi tantangan tersendiri dalam melakukan
pemrosesan dan klasifikasi opini secara otomatis. Oleh karena itu, penelitian ini
bertujuan untuk menganalisis opini terkait kesehatan mental dan mengevaluasi
pengaruh variasi hyperparameter terhadap performa model IndoBERT dalam
melakukan klasifikasi. Penelitian ini menggunakan data dari Platform X berupa
1.000 data teks berbahasa Indonesia yang telah disaring dan diklasifikasikan ke
dalam dua kelas utama, yaitu opini positif dan opini negatif. Pengolahan data teks
melalui tahap preprocessing seperti pembersihan dan normalisasi teks, dengan
mempertahankan stopword serta tanpa proses stemming agar konteks kalimat tetap
terjaga. Analisis dilakukan menggunakan algoritma IndoBERT melalui pendekatan
fine-tuning dan eksperimen grid search pada variasi hyperparameter, yaitu
penyesuaian learning rate dan jenis optimizer (Adam dan AdamW). Hasil
pengujian menunjukkan bahwa eksperimen hyperparameter memberikan pengaruh
signifikan terhadap kinerja model. Konfigurasi paling optimal berhasil diperoleh
menggunakan kombinasi learning rate 1e-05 dan optimizer Adam, yang mampu
mencapai tingkat akurasi sebesar 88,10\%, F1-score (macro) 87,22\%, dan precision
(macro) 86,45\%. Penelitian ini membuktikan bahwa pendekatan fine-tuning
IndoBERT dengan pengaturan hyperparameter yang tepat mampu menghasilkan
model klasifikasi yang konsisten dan akurat, sehingga berpotensi untuk
dimanfaatkan sebagai sistem pemantauan kecenderungan opini kesehatan mental di
ruang digital.}
}