IMPLEMENTASI MODEL INDOBERT UNTUK ANALISIS SENTIMEN PUBLIK TERHADAP ISU DUGAAN IJAZAH PALSU PRESIDEN JOKO WIDODO DALAM PERCAKAPAN DI PLATFORM X (TWITTER)
Abstract
Penelitian ini membahas implementasi model IndoBERT untuk analisis sentimen publik terhadap isu dugaan ijazah palsu Presiden Joko Widodo di Platform X (Twitter). Tujuan penelitian ini adalah mengklasifikasikan opini publik menjadi tiga kategori sentimen, yakni positif, netral, serta negatif, untuk mengetahui kecenderungan opini masyarakat terhadap isu yang tengah berkembang. Metode yang dipergunakan yakni pendekatan kuantitatif dengan eksperimen model IndoBERT-base-p1 yang di-fine-tune menggunakan dataset berbahasa Indonesia. Data dikumpulkan melalui Twitter API v2 dengan kata kunci terkait isu tersebut, kemudian melalui tahapan preprocessing meliputi cleaning, case folding, normalisasi, tokenisasi, filtering, serta stemming. Sebanyak 2.113 tweet digunakan dan diklasifikasikan ke dalam data latih serta data uji dengan perbandingan 70:30. Model dilatih mempergunakan algoritma AdamW optimizer dengan fungsi Cross-Entropy Loss dan dievaluasi mempergunakan metrik accuracy, precision, recall, serta F1-score. Hasil uji memperlihatkan bahwasanya model IndoBERT memiliki akurasi sebesar 91,13% dengan nilai F1-score sejumlah 0,91, menandakan performa klasifikasi yang sangat baik serta stabil. Distribusi hasil analisis memperlihatkan dominasi sentimen negatif sejumlah 61%, disusul sentimen positif sejumlah 23% serta netral sejumlah 16%. Model ini diimplementasikan ke dalam aplikasi web berbasis Streamlit yang memungkinkan pengguna melaksanakan analisis sentimen secara langsung dan menampilkan hasil dalam bentuk visualisasi interaktif berupa pie chart, bar chart, dan wordcloud. Temuan studi ini menunjukkan bahwa IndoBERT mampu memahami konteks opini publik dalam Bahasa Indonesia secara efektif dan dapat dijadikan dasar pengembangan sistem analisis opini publik yang informatif dan aplikatif.
Kata Kunci: Analisis Sentimen, IndoBERT, Opini Publik, Media Sosial, Platform X
Full Text:
PDFReferences
Fatra, E., Tri, T., Manguma, F., Bisnis, F., Sosial, T., Studi, P., Informatika, T., Bisnis, F., Sosial, T., Madani, U. A., dan Joko, P. (2024). Analisis Framing Berita Metro Tv ( Studi Kasus : Netralitas Presiden Joko Widodo Dalam Pemilihan Calon Presiden 2024-2029 Di Indonesia ). 2(1), 1–12.
Kominfo. (2023). Siaran pers No. 49/HM/KOMINFO/04/2023 tentang tingkatkan literasi digital sektor pemerintahan lewat ASN makin cakap digital. Kementerian Komunikasi dan Informatika Republik Indonesia. https://www.komdigi.go.id/berita/siaran-pers/detail/siaran-pers-no-49-hm-kominfo-04-2023-tentang-tingkatkan-literasi-digital-sektor-pemerintahan-lewat-asn-makin-cakap-digital
MAFINDO. (2023). Hoaks Pemilu Naik 2x Lipat, Ganggu Demokrasi Indonesia. Gatra.com. https://www.gatra.com/news-591850-politik-mafindo-hoaks-pemilu-naik-2x-lipat-ganggu-demokrasi-indonesia.html
Merinda Lestandy, Abdurrahim Abdurrahim, dan Lailis Syafa’ah. (2021). Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(4), 802–808. https://doi.org/10.29207/resti.v5i4.3308
Putri, D. I., Alfian, A. N., Putra, M. Y., dan Mulyo, P. D. (2024). IndoBERT Model Analysis: Twitter Sentiments on Indonesia’s 2024 Presidential Election. Journal of Applied Informatics and Computing, 8(1), 7–12. https://doi.org/10.30871/jaic.v8i1.7440
Syifa, N., Nugraha, B., dan Zulfadhilah, M. (2024). Online Analisis Sentimen pada Pemilihan Umum Presiden di Kota Banjarmasin 2024. 7(6), 1511–1519.
Tandijaya, J. H., Liliana, dan Sugiarto, I. (2021). Klasifikasi dalam Pembuatan Portal Berita Online dengan Menggunakan Metode BERT. Jurnal Infra, 09(02), 320–325.
Utami, W. W., dan Darmaiza, D. (2020). Hate Speech, Agama, dan Kontestasi Politik di Indonesia. Indonesian Journal of Religion and Society, 2(2), 113–128. https://doi.org/10.36256/ijrs.v2i2.108
Wenando, F. A., Hayami, R., dan Anggrawan, A. J. (2020). Analisis Sentimen Pada Pemerintahan Terpilih Pada Pilpres 2019 Ditwitter Menggunakan Algoritme Naïvebayes. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 7(1), 101–106. https://doi.org/10.33330/jurteksi.v7i1.851
Yusrizal, M., dan Sasongko, T. B. (2024). Analisis Sentimen Masyarakat Terhadap Presiden dan Calon Presiden Terpilih 2024 Menggunakan Naïve Bayes. Jurnal Media Informatika Budidarma, 8(3), 1673. https://doi.org/10.30865/mib.v8i3.7882
Yuniar, E., Utsalinah, D. S., dan Wahyuningsih, D. (2022). Implementasi Scrapping Data Untuk Sentiment Analysis Pengguna Dompet Digital dengan Menggunakan Algoritma Machine Learning. Jurnal Janitra Informatika dan Sistem Informasi, 2(1), 35–42. https://doi.org/10.25008/janitra.v2i1.145
Refbacks
- There are currently no refbacks.