Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JTERA (Jurnal Teknologi Rekayasa)
Samsul Alam
Universitas Nusa Putra
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Fine-Tuning IndoBERT Untuk Analisis Sentimen Berita Saham Berbahasa Indonesia Dengan Hyperparameter Optimization Samsul Alam
JTERA (Jurnal Teknologi Rekayasa) Vol 11 No 1: Vol. 11 No. 1: Juni 2026
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v11.i1.2026.51-60

Abstract

Penelitian ini bertujuan untuk meningkatkan kinerja analisis sentimen pada berita saham berbahasa Indonesia menggunakan model berbasis transformer. Pesatnya pertumbuhan pasar modal Indonesia menyebabkan meningkatnya volume informasi dalam bentuk berita, sehingga diperlukan sistem analisis sentimen otomatis yang akurat untuk mendukung pengambilan keputusan investasi berbasis data. Metode yang digunakan adalah fine-tuning model IndoBERT dengan pendekatan hyperparameter optimization menggunakan framework Optuna berbasis Bayesian Optimization. Dataset yang digunakan terdiri dari 23.108 artikel berita saham yang diklasifikasikan ke dalam tiga kelas sentimen, yaitu positif, netral, dan negatif. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-score, Macro-F1, confusion matrix, serta ROC-AUC dengan pendekatan one-vs-rest untuk klasifikasi multi-kelas. Hasil penelitian menunjukkan bahwa model IndoBERT-Base-Uncased dengan konfigurasi hyperparameter optimal memberikan performa terbaik dengan accuracy sebesar 0,8269 dan Macro-F1 sebesar 0,7816. Penerapan hyperparameter optimization terbukti mampu meningkatkan performa model secara signifikan dibandingkan baseline tanpa optimasi. Penelitian ini berkontribusi dalam pengembangan analisis sentimen berbasis bahasa Indonesia pada domain finansial serta menyediakan pendekatan yang efektif untuk meningkatkan performa model melalui optimasi hyperparameter.
Co-Authors