Text

Implementasi Metode Prompt Engineering yang Dilengkapi Pencegahan Prompt Injection pada Model GPT-3.5 untuk Analisis Sentimen

---

Abstrak: Analisis sentimen pada opini publik memainkan peran penting bagi organisasi atau bisnis dalam pengambilan keputusan. Analisis ini mengklasifikasikan teks berdasarkan sentimen positif, negatif, dan netral. Penelitian ini merupakan penelitian kuantitatif dengan menggunakan pendekatan berbagai teknik prompt engineering model GPT-3.5, yang dibandingkan dengan model BERT (Bidirectional Encoder Representations from Transformer) menggunakan metriks evaluasi. Dataset yang digunakan pada penelitian ini adalah SmSA IndoNLU. Hasil perbandingan menunjukkan bahwa teknik prompt engineering pada model GPT-3.5 lebih unggul dibandingkan dengan BERT, dengan kombinasi teknik Chain-of-Thought (CoT) dan few-shot mencapai akurasi sebesar 0,946. Model ini kemudian diimplementasikan dalam bentuk dashboard menggunakan framework Streamlit untuk diuji keamanannya terhadap serangan prompt injection. Upaya pencegahan prompt injection berhasil menurunkan risiko serangan dari 25,3% menjadi 2,53%.

---

Availability

TA20240102040			Available
TA20240102041			Available

Detail Information

Series Title

--

Call Number

2024 ZUL i

Publisher

Bogor : Politeknik Siber dan Sandi Negara., 2024

Collation

xvii, 38

Language

Indonesia

ISBN/ISSN

--

Classification

Rekayasa Perangkat Lunak Kriptografi

Content Type

-

Media Type

-

Carrier Type

-

Edition

--

Subject(s)

-

Specific Detail Info

-

Statement of Responsibility

Zulma Mardiah

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment