{
      "status_changed": "2026-11-13 07:26:44",
      "datestamp": "2026-11-13 07:26:44",
      "rev_number": 8,
      "divisions": [
        99
      ],
      "department": "Fakultas Ilmu Komputer",
      "userid": 12,
      "creators": [
        {
          "name": {
            "lineage": null,
            "given": "Anggit Dwi",
            "family": "Hartanto",
            "honourific": null
          },
          "nim": "23.99.1004"
        }
      ],
      "eprint_status": "archive",
      "full_text_status": "restricted",
      "date": "2026-07-29",
      "subjects": [
        "000.000.000A",
        "000.000.004"
      ],
      "eprintid": 33201,
      "keywords": "Profiling Analysis, SAPA, Big Five Personality Traits, Knowledge\r\nDistillation, Personality Profiling, Analisis Semantik, Semantic Analysis.",
      "documents": [
          {
            "eprintid": 33201,
            "placement": 1,
            "language": "id",
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/371848",
            "main": "23.99.1004 - Anggit Dwi Hartanto.pdf",
            "format": "text",
            "docid": 371848,
            "formatdesc": "DISERTASI",
            "files": [
                {
                  "mime_type": "application\/pdf",
                  "hash_type": "MD5",
                  "filesize": 13020969,
                  "hash": "58aafbe26c8e55065d9531a8df08bc4c",
                  "filename": "23.99.1004 - Anggit Dwi Hartanto.pdf",
                  "mtime": "2026-11-13 07:21:32",
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1204834",
                  "fileid": 1204834,
                  "datasetid": "document",
                  "objectid": 371848
                }
            ],
            "pos": 1,
            "security": "staffonly",
            "content": "published",
            "rev_number": 2,
            "mime_type": "application\/pdf"
          }
      ],
      "abstract": "Penelitian ini mengembangkan Semantic-Aware Personality Analysis\r\n(SAPA) sebagai model Profiling Analysis berbasis representasi semantik\r\nkontekstual untuk memprediksi kepribadian berdasarkan teks media sosial.\r\nPenelitian ini dilatarbelakangi oleh tingginya kompleksitas komputasi model\r\nTransformer berkapasitas besar, yang membatasi penerapannya dalam lingkungan\r\ndengan sumber daya terbatas. Penelitian ini bertujuan untuk mengidentifikasi faktor\r\nyang memengaruhi kinerja personality profiling, mengevaluasi berbagai model\r\nTransformer, mengembangkan strategi efisiensi melalui knowledge distillation,\r\nmembangun model SAPA yang lebih ringan, serta memvalidasi hasil prediksi dari\r\nperspektif psikologi.\r\nPenelitian dilakukan melalui perbandingan model Transformer, evaluasi\r\nmodel regresi dan neural network, pengembangan SAPA menggunakan crossarchitecture\r\nknowledge\r\ndistillation\r\ndari\r\nIndoBERT\r\nsebagai\r\nteacher\r\nkepada\r\nModel\r\n\r\nSAPA\r\n\r\nsebagai student yang menggunakan TinyBERT sebagai backbone,\r\nimplementasi prototipe SAPADEV, expert judgment, serta pembangunan Dataset\r\nSAPAID dari teks publik di platform X dan Instagram. Evaluasi dilakukan\r\nmenggunakan metrik klasifikasi, regresi, dan waktu inferensi.\r\nHasil menunjukkan bahwa performa personality profiling dipengaruhi oleh\r\njenis label, jumlah data, arsitektur model, serta strategi fine-tuning. Pada dataset\r\nhasil translasi, TinyBERT memperoleh F1-score klasifikasi tertinggi sebesar\r\n0,55732, diikuti oleh IndoBERT sebesar 0,52420 dan SAPA sebesar 0,50558. Pada\r\nregresi, SAPA memperoleh MSE 0,55488 dan RMSE 0,73872, sedikit lebih rendah\r\ndibandingkan dengan IndoBERT dan TinyBERT, sedangkan MAE SAPA hampir\r\nsama dengan TinyBERT. Dari aspek efisiensi, waktu pemrosesan SAPA jauh lebih\r\nrendah dibandingkan IndoBERT, tetapi sedikit lebih tinggi dibandingkan\r\nTinyBERT. Hasil tersebut menunjukkan bahwa SAPA memberikan trade-off yang\r\nmenguntungkan terhadap teacher model, sedangkan manfaat distilasi terhadap\r\nbaseline student masih terbatas dan tidak konsisten pada seluruh tugas.\r\nPenelitian ini juga menghasilkan prototipe SAPADEV dan dataset SAPAID.\r\nDari 29.696 dokumen awal diperoleh 29.695 dokumen final setelah pembersihan,\r\ndengan skor OCEAN berlabel silver yang dihasilkan SAPADEV. Expert judgment\r\noleh tiga psikolog memperoleh rata-rata 3,08 dari skala 5, yang menunjukkan\r\ntingkat kesesuaian yang cukup terhadap konstruk Big Five Personality Traits.\r\nNovelty utama penelitian terletak pada konfigurasi task-specific cross-architecture\r\nlogit-based knowledge distillation untuk menghasilkan lima skor OCEAN secara\r\nsimultan, sedangkan SAPADEV, expert judgment, dan SAPAID merupakan\r\nkontribusi pendukung.",
      "ispublished": "pub",
      "dir": "disk0\/00\/03\/32\/01",
      "thesis_type": "doctoral",
      "metadata_visibility": "show",
      "title": "MODEL PROFILING ANALYSIS DENGAN PENDEKATAN SEMANTIK\r\nBERBASIS TEKS MEDIA SOSIAL",
      "institution": "Universitas AMIKOM Yogyakarta",
      "date_type": "published",
      "type": "thesis",
      "contributors": [
        {
          "name": {
            "lineage": null,
            "given": "Ema",
            "honourific": null,
            "family": "Utami"
          }
        }
      ],
      "lastmod": "2026-11-13 07:26:44",
      "thesis_name": "disertasi",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/33201"
    }