Perbandingan Pelabelan Sentimen Berbantuan Generative AI

Abstract

Analisis sentimen terhadap respons mahasiswa merupakan pendekatan yang dapat digunakan untuk mengevaluasi efektivitas platform pembelajaran digital. Namun, proses analisis secara manual menjadi tidak praktis seiring bertambahnya volume data, sehingga diperlukan pendekatan komputasional yang lebih efisien. Penelitian ini bertujuan untuk membandingkan performa model Generative AI dalam melakukan pelabelan sentimen terhadap respons mahasiswa mengenai penggunaan Google Classroom. Penelitian ini menguji tiga model Large Language Model (LLM) secara zero-shot, yaitu GPT-4.1, GPT-4o, dan Claude Haiku 4.5, serta satu model berbasis fine-tuning, yaitu IndoBERT. Eksperimen dilakukan pada dua kondisi dataset, yaitu raw dan preprocessed, dengan masing-masing model dijalankan sebanyak tiga kali dan performanya dihitung sebagai nilai rata-rata dari ketiga run beserta standar deviasi sebagai indikator konsistensi. Evaluasi performa dilakukan menggunakan metrik accuracy dan macro average F1-score. Hasil penelitian menunjukkan Claude Haiku 4.5 mencatatkan performa terbaik dengan akurasi 85,59% dan macro F1-score

0,79 pada data preprocessed. GPT-4o dan GPT-4.1 juga menunjukkan hasil yang baik, masing- masing dengan akurasi terbaik 80,00% dan 78,92%. IndoBERT mencatatkan performa

terendah dengan akurasi 76,22% dan macro F1-score 0,68 yang stagnan pada kedua kondisi dataset. Secara keseluruhan, ketiga model LLM yang diuji secara zero-shot melampaui performa IndoBERT yang telah melalui proses fine-tuning, mengindikasikan bahwa kapasitas pemahaman bahasa LLM skala besar cukup kuat untuk tugas analisis sentimen bahasa Indonesia tanpa pelatihan domain khusus.