PREDIKSI KESEHATAN MENTAL BERDASARKAN DATA PLATFROM X MENGGUNAKAN MODEL INDOBERT DENGAN EKSPERIMEN VARIASI HYPERPARAMETER

Badriyah, Ulfatun (2026) PREDIKSI KESEHATAN MENTAL BERDASARKAN DATA PLATFROM X MENGGUNAKAN MODEL INDOBERT DENGAN EKSPERIMEN VARIASI HYPERPARAMETER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (185kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (678kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (547kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (796kB)
	Text (BAB V) BAB V.pdf - Published Version Download (130kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (208kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.4821.zip - Published Version Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (584kB)

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.

Actions (login required)

View Item