Sentimen Analisis terhadap Artis yang Terdampak karena Boikot Produk Minuman yang dipromosikannya menggunakan BERT

Firbaya Mutiara Ashar, Imam Much Ibnu Subroto

Abstract


Media sosial, khususnya Instagram, telah menjadi wadah utama bagi masyarakat untuk mengekspresikan opini, termasuk dalam merespons fenomena budaya populer seperti Korean Wave dan Kpop. Baru-baru ini, keputusan grup Kpop NCT untuk berkolaborasi dengan Starbucks memicu beragam reaksi dari penggemar, terutama di tengah gerakan boikot terhadap brand tersebut. Penelitian ini bertujuan untuk menganalisis sentimen komentar penggemar NCT terkait kolaborasi ini menggunakan model Indonesian Bidirectional Encoder Representations from Transformers (IndoBERT). Eksperimen dilakukan pada data yang tidak seimbang dan data yang telah diseimbangkan menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa data yang tidak seimbang menyebabkan model mengalami overfitting dengan akurasi sebesar 83%, precision 84%, recall 83%, dan f1-score 83%. Setelah dilakukan balancing data menggunakan SMOTE, performa model meningkat dengan akurasi, precision, recall, dan f1-score sebesar 86%. Hal ini membuktikan bahwa balancing data berperan penting dalam meningkatkan performa model dalam analisis sentimen.

References


Permatasari PA, Linawati L, Jasa L. Survei Tentang Analisis Sentimen Pada Media Sosial. Maj Ilm Teknol Elektro. 2021;20(2):177.

Ramadan A, Fatchiya A. Efektivitas Instagram sebagai Media Promosi Produk “ Rendang Uninam ” The Effectiveness of Instagram as a Promotional Media of Products “ Rendang Uninam .” 2021;05(01):64–82.

Rizkina NQ, Hasan FN. Analisis Sentimen Komentar Netizen Terhadap Pembubaran Konser NCT 127 Menggunakan Metode Naive Bayes. J Inf Syst Res. 2023;4(4):1136–44.

Melati D. No Title. GEMA KETIDAKSETUJUAN Gerak BOIKOT SM Entertain DAN NCT TERKAIT KERJASAMA STARBUCKS. 2024;3.

Mas R, Panca RW, Atmaja1 K, Yustanti2 W. Analisis Sentimen Customer Review Aplikasi Ruang Guru dengan Metode BERT (Bidirectional Encoder Representations from Transformers). Jeisbi. 2021;02(03):2021.

Mubaraq MF, Maharani W. Sentiment Analysis on Twitter Social Media towards Climate Change on Indonesia Using IndoBERT Model. J Media Inform Budidarma. 2022;6(4):2426.

Chinnasamy P, Suresh V, Ramprathap K, Jebamani BJA, Srinivas Rao K, Shiva Kranthi M. COVID-19 vaccine sentiment analysis using public opinions on Twitter. Mater Today Proc [Internet]. 2022;64:448–51. Tersedia pada: https://doi.org/10.1016/j.matpr.2022.04.809

Analisis Pada Twitter CommuterLine S, Pratama Putra A, Pratama Y, Kharisma Krisnadi E, Purnamasari I, Dwi Saputra D. Text Mining untuk Sentimen Analisis dengan Metode Naïve Bayes, SMOTE, N-Gram dan AdaBoost Pada Twitter CommuterLine. J Sains Komput Inform (J-SAKTI. 2022;6(2):961–73.

Apri Wenando F. Analisis Opini Publik Terhadap Undang-Undang KUHP Tahun 2022 Menggunakan Algoritma Naïve Bayes Classifier. J Fasilkom. 2023;13(02):334–9.

Isnain AR, Sakti AI, Alita D, Marga NS. Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma Svm. J Data Min dan Sist Inf. 2021;2(1):31.

Pilar GD, Isabel SB, Diego PM, José Luis GÁ. A novel flexible feature extraction algorithm for Spanish tweet sentiment analysis based on the context of words. Expert Syst Appl. 2023;212(September 2022).




DOI: http://dx.doi.org/10.30659/ei.7.1.%25p

Refbacks

  • There are currently no refbacks.


Jurnal Transistor EI diterbitkan oleh Fakultas Teknologi Industri, Universitas Islam Sultan Agung, Semarang, Indonesia