Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Sentimen Multi-Bahasa Pada Media Sosial Menggunakan Hybrid Transformers Dan Contextual Embeddings Harkamsyah Andrianof; Aggy Pramana Gusman
Jurnal Sains Informatika Terapan Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i3.1340

Abstract

Analisis sentimen di media sosial telah menjadi aspek penting dalam memahami persepsi publik terhadap merek, topik, atau peristiwa tertentu. Namun, tantangan signifikan muncul ketika menganalisis konten multibahasa yang mencerminkan keragaman pengguna global. Penelitian ini mengusulkan pendekatan hibrida yang mengintegrasikan Transformer dan Contextual Embeddings untuk meningkatkan akurasi analisis sentimen lintas bahasa. Metode ini menggabungkan kekuatan Transformer dalam menangkap konteks semantik yang mendalam dengan Contextual Embeddings yang mampu merepresentasikan nuansa linguistik spesifik untuk setiap bahasa. Dataset penelitian mencakup komentar dari berbagai platform media sosial dalam lima bahasa: Indonesia, Inggris, Mandarin, Spanyol, dan Arab. Hasil eksperimen menunjukkan bahwa pendekatan hibrida ini mencapai akurasi 94,2% dan skor F1 sebesar 0,932, melampaui model BERT mandiri sebagai dasar, yang hanya mencapai 89,5%. Temuan ini menegaskan efektivitas pengintegrasian beberapa embedding dalam mengatasi keunikan setiap bahasa. Penelitian ini berkontribusi pada pengembangan sistem analisis sentimen yang lebih kuat dan adaptif terhadap keragaman linguistik dalam ekosistem media sosial global.