<![CDATA[Latar Belakang: Perkembangan teknologi digital telah menghasilkan ledakan data teks dari berbagai platform daring, terutama dalam bentuk ulasan produk. Tujuan: Tujuan penelitian ini adalah untuk mengevaluasi performa model DistilBERT dalam melakukan klasifikasi sentimen terhadap ulasan makanan dari dataset Amazon Fine Food Reviews. Metode: Dataset yang digunakan terdiri dari 100.000 data ulasan yang telah disederhanakan menjadi dua kelas sentimen: positif dan negatif. Proses pelatihan dilakukan menggunakan pustaka HuggingFace Transformers dengan konfigurasi model DistilBertForSequenceClassification. Hasil: Hasil evaluasi menunjukkan bahwa model DistilBERT mampu mencapai akurasi sebesar 87,44%, membuktikan efektivitasnya dalam menangkap konteks dan makna sentimen dengan efisien. Kesimpulan: Penelitian ini menegaskan bahwa model berbasis transformer ringan seperti DistilBERT dapat menjadi solusi optimal untuk analisis sentimen berskala besar dengan keterbatasan sumber daya komputasi.]]>
Copyrights © 2026
