IMPLEMENTASI FINE-TUNING BERT UNTUK ANALISIS SENTIMEN TERHADAP REVIEW APLIKASI PUBG MOBILE DI GOOGLE PLAY STORE

BRAJA, ALEX SANDER PRASETYA (2023) IMPLEMENTASI FINE-TUNING BERT UNTUK ANALISIS SENTIMEN TERHADAP REVIEW APLIKASI PUBG MOBILE DI GOOGLE PLAY STORE. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 COVER.pdf Download (526kB) | Preview
Preview	Text (ABSTRAK) 02 ABSTRAK.pdf Download (24kB) | Preview
	Text (BAB I) 03 BAB 1.pdf Restricted to Registered users only Download (31kB)
	Text (BAB II) 04 BAB 2.pdf Restricted to Registered users only Download (652kB)
	Text (BAB III) 05 BAB 3.pdf Restricted to Registered users only Download (523kB)
	Text (BAB IV) 06 BAB 4.pdf Restricted to Registered users only Download (223kB)
	Text (BAB V) 07 BAB 5.pdf Restricted to Registered users only Download (18kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (178kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Online games are one of the best things to adapt to Internet technology. PUBG Mobile is among the most popular online games in Indonesia, having been downloaded over 500 million times with 41.8 million user reviews in 2022 on Google Play. User feedback plays an important role in the successful development of the app. User feedback is the text as unstructured data, which creates complexity when working with sentiment analysis. There is a new approach called BERT, this transfer-learning model introduces the necessary pre-training models to get a better contextual representation. This study examines BERT's performance in sentiment analysis using two pre-training models. We use the IndoBERT and mBERT pretraining models. The data used are user reviews for the PUBG Mobile app on Google Play Store. We also make hyperparameter adjustments to find the optimal search model using two data labeling approaches: score-based labeling and TextBlob-based labeling to determine model effectiveness. The experimental results show that IndoBERT's fine-tuned model has better accuracy in labeling Textblob-based data with the highest accuracy of 94% at a learning rate of 0.00002, batch size of 32, number of epochs of 5, and training time of 12 minutes. Keywords: Game Online, Sentiment Analysis, BERT, PUBG Mobile. Game online adalah salah satu hal yang paling relevan untuk beradaptasi dengan teknologi internet. PUBG Mobile adalah salah satu game online terpopuler di Indonesia, telah diunduh lebih dari 500 juta kali dengan 41,8 juta ulasan pengguna pada tahun 2022 di Google Play Store. Ulasan pengguna memainkan peran penting dalam keberhasilan pengembangan aplikasi. Ulasan pengguna berupa teks dalam format data tidak terstruktur yang menimbulkan kerumitan saat bekerja dengan analisis sentimen. Ada sebuah pendekatan baru yang disebut BERT. BERT Ini model transfer-learning memperkenalkan model pre-training yang diperlukan untuk lebih baik dalam representasi konteks tekstual. Penelitian ini menguji kinerja BERT untuk analisis sentimen menggunakan dua model pre-training. Kami menggunakan model pre-training IndoBERT dan mBERT. Data yang digunakan adalah ulasan pengguna untuk aplikasi PUBG Mobile di Google Play Store. Kami juga melakukan pengaturan hyperparameter untuk menemukan model pencarian yang optimal menggunakan dua pendekatan pelabelan data: pelabelan berbasis Score dan pelabelan berbasis TextBlob untuk menentukan efisiensi model. Hasil percobaan menunjukkan bahwa model fine-tuned IndoBERT memiliki akurasi yang lebih baik dalam pelabelan data berbasis Textblob dengan akurasi tertinggi 94 % pada learning rate 0.00002, batch size 32, jumlah epoch 5, dan waktu pelatihan 12 menit. Kata Kunci: Game Online, Analisis sentimen, BERT, PUBG Mobile.

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 23 019
Call Number:	SIK/15/23/018
NIM/NIDN Creators:	41518110021
Uncontrolled Keywords:	Game Online, Analisis sentimen, BERT, PUBG Mobile.
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 100 Philosophy and Psychology/Filsafat dan Psikologi > 150 Psychology/Psikologi > 154 Subconscious and Altered States and Process/Psikologi Bawah Sadar > 154.6 Sleep Phenomena/Fenomena Tidur > 154.63 Dreams/Mimpi > 154.634 Analysis/Analisis 700 Arts/Seni, Seni Rupa, Kesenian > 790 Recreational and Performing Arts/Olah Raga dan Seni Pertunjukan > 793 Indoor Game and Amusements/Permainan dalam Ruangan, Hiburan dalam Ruangan > 793.9 Other Indoor Diversions/Hiburan dalam Ruangan Lainnya 700 Arts/Seni, Seni Rupa, Kesenian > 790 Recreational and Performing Arts/Olah Raga dan Seni Pertunjukan > 793 Indoor Game and Amusements/Permainan dalam Ruangan, Hiburan dalam Ruangan > 793.9 Other Indoor Diversions/Hiburan dalam Ruangan Lainnya > 793.92 Battle Games/Game Pertempuran 700 Arts/Seni, Seni Rupa, Kesenian > 790 Recreational and Performing Arts/Olah Raga dan Seni Pertunjukan > 794 Indoor Games of Skill/Permainan Ketangkasan dalam Ruangan 700 Arts/Seni, Seni Rupa, Kesenian > 790 Recreational and Performing Arts/Olah Raga dan Seni Pertunjukan > 794 Indoor Games of Skill/Permainan Ketangkasan dalam Ruangan > 794.8 Electronic Game/Permainan Elektronik
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	ADELINA HASNA SETIAWATI
Date Deposited:	31 Mar 2023 08:02
Last Modified:	31 Mar 2023 08:02
URI:	http://repository.mercubuana.ac.id/id/eprint/75794

Actions (login required)

View Item