PERBANDINGAN PERFORMA MODEL GPT-3.5 TURBO DAN LLAMA-2 DALAM ANALISIS SENTIMEN ULASAN PADA BLUE KARMA UBUD

Wiguna, I Wayan Adi Maha (2026) PERBANDINGAN PERFORMA MODEL GPT-3.5 TURBO DAN LLAMA-2 DALAM ANALISIS SENTIMEN ULASAN PADA BLUE KARMA UBUD. Undergraduate thesis, UNIVERSITAS PENDIDIKAN GANESHA.

[img] Text (COVER)
2215051049-COVER.pdf
Download (662kB)
[img] Text (ABSTRAK)
2215051049-ABSTRAK.pdf
Download (205kB)
[img] Text (BAB 1 PENDAHULUAN)
2215051049-BAB 1 PENDAHULUAN.pdf
Download (235kB)
[img] Text (BAB 2 KAJIAN PUSTAKA)
2215051049-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 3 METODE PENELITIAN)
2215051049-BAB 3 METODE PENELITIAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2215051049-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2215051049-BAB 5 SIMPULAN DAN SARAN.pdf
Restricted to Repository staff only
Download (218kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2215051049-DAFTAR PUSTAKA.pdf
Download (220kB)
[img] Text (LAMPIRAN)
2215051049-LAMPIRAN.pdf
Download (1MB)

Abstract

Large Language Models (LLM) memerlukan metode tambahan untuk optimasi pada tugas spesifik seperti analisis sentimen. Penelitian ini membandingkan performa GPT-3.5 Turbo dan LLaMA-2 melalui penerapan metode Retrieval Augmented Few-shot (RAFS) pada domain pariwisata, dengan skenario Zero-shot sebagai baseline. Hasil eksperimen menunjukkan bahwa LLaMA-2 mengalami peningkatan performa yang jauh lebih signifikan dibandingkan GPT-3.5 Turbo setelah penerapan RAFS. Pada proporsi data 100% akurasi LLaMA-2 meningkat dari 0,833 menjadi 0,871, sementara GPT-3.5 Turbo hanya meningkat tipis dari 0,851 menjadi 0,854. Pada proporsi dataset 50% menunjukan peningkatan yang signifikan pada kedua model, yang dimana LLaMA-2 mendapat akurasi 0.880 sedangkan GPT 3.5 Turbo mendapat akurasi 0.868, yang dimana menunjukan hasil yang lebih baik. Secara head-to-head, LLaMA-2 terbukti sedikit lebih unggul dibanding dengan GPT-3.5 Turbo dalam menghasilkan klasifikasi yang tepat dan seimbang. Meskipun GPT-3.5 Turbo memiliki baseline awal yang lebih tinggi, LLaMA-2 menunjukkan kemampuan adaptasi dan skalabilitas yang lebih baik terhadap augmentasi konteks.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Analisis Sentimen, GPT, LLaMA, Retrieval Augmented Few-shot
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1)
Depositing User: I Wayan Adi Maha Wiguna
Date Deposited: 21 Apr 2026 01:54
Last Modified: 21 Apr 2026 01:54
URI: http://repo.undiksha.ac.id/id/eprint/29011

Actions (login required)

View Item View Item