<![CDATA[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.]]>
Copyrights © 2026
