Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Nusantara Journal of Multidisciplinary Science
Ummul Farihah
Universitas Muhammadiyah Sumatera Utara
Religion Humanities Computer Science & IT Languange, Linguistic, Communication & Media

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

Found 1 Documents
Search

 1 
Analisis Perbandingan Metode Natural Language Processing (NLP) Klasik (Naïve Bayes, Support Vektor Machine) Dan Model Bidirectional Encoder Representations From Transformers (BERT) Dalam Klasifikasi Teks Berbahasa Indonesia Ummul Farihah; Zainal Azis
Nusantara Journal of Multidisciplinary Science Vol. 4 No. 2 (2026): NJMS - September 2026
Publisher : PT. Inovasi Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan data teks berbahasa Indonesia di platform digital menuntut sistem klasifikasi sentimen yang akurat dan dapat dipertanggungjawabkan. Penelitian ini membandingkan Multinomial Naïve Bayes, Support Vector Machine (SVM) linear, dan IndoBERT pada dataset SmSA IndoNLU, sekaligus menguji signifikansi perbedaan performa dengan Uji McNemar. Dataset berjumlah 12.760 sampel yang terbagi menjadi 11.000 data latih, 1.260 data validasi, dan 500 data uji dengan distribusi kelas tidak seimbang. Model klasik menggunakan TF-IDF unigram-bigram dan preprocessing eksplisit, sedangkan IndoBERT menggunakan tokenisasi WordPiece. Macro F1-Score digunakan sebagai metrik utama. IndoBERT mencapai akurasi 88,60% dan Macro F1-Score 83,77%, diikuti SVM 76,20% dan 71,68%, serta Naïve Bayes 66,00% dan 60,99%. Pada kelas netral, F1-Score IndoBERT mencapai 67,67%, lebih tinggi daripada SVM 55,56% dan Naïve Bayes 46,48%. Seluruh perbedaan antarmodel signifikan secara statistik (p < 0,05). Hasil eksperimen diintegrasikan ke platform web Ummu NLP Lab yang menghasilkan metrik identik dengan notebook laboratorium serta mendukung reproduksibilitas eksperimen secara konsisten dan transparan.
Co-Authors Zainal Azis