<![CDATA[Klasifikasi sentimen teks menghadapi kompleksitas semantik dan ambiguitas konteks. BERT menawarkan representasi kontekstual dua arah, tetapi strategi adaptasi antara feature extraction dan end-to-end fine-tuning memerlukan pembuktian empiris dari sisi akurasi dan efisiensi komputasi. Penelitian ini menganalisis Model A (feature extraction) dan Model B (end-to-end fine-tuning) berbasis bert-base-uncased pada Stanford Sentiment Treebank (SST-2) dengan 872 sampel held-out test set. Eksperimen dijalankan pada enam random seed dan dievaluasi menggunakan akurasi, precision, recall, F1-score, uji McNemar, Wilcoxon Signed-Rank, Bootstrap 95% Confidence Interval, Cohen's d, konsumsi VRAM, latensi inferensi, dan ketahanan linguistik. Model B mencapai akurasi 92,78% ± 0,71% dan F1-score 92,94% ± 0,79%, sedangkan Model A mencapai 86,05% ± 0,69% dan 86,66% ± 0,43%. Perbedaan signifikan pada Wilcoxon (p=0,03125) dan McNemar (χ²=38,1635; p=6,51×10⁻¹⁰), dengan Cohen's d=10,11. Latensi GPU hampir identik, sedangkan Model A lebih hemat VRAM hingga 68,7% pada clean state. Model B juga lebih kuat pada ulasan panjang dan negasi biner. Hasil ini menunjukkan fine-tuning lebih efektif untuk akurasi dan pemahaman konteks, sementara feature extraction lebih sesuai pada lingkungan dengan keterbatasan memori GPU]]>
Copyrights © 2026
