Penerapan IndoBERT untuk analisis sentimen tagar #kaburajadulu di media sosial x

Helmalia, Dinar Rizki (2025) Penerapan IndoBERT untuk analisis sentimen tagar #kaburajadulu di media sosial x. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (166kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (247kB) | Preview
Preview	Text (SK BEBAS PLAGIARISM) 3_skbebasplagiarism.pdf Download (518kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (293kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (268kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (513kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (541kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (989kB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (236kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (214kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Media sosial telah menjadi ruang publik yang dinamis untuk menyampaikan opini, termasuk dalam isu-isu sosial yang viral. Salah satunya adalah tagar #KaburAjaDulu yang ramai diperbincangkan dan menimbulkan beragam tanggapan masyarakat. Penelitian ini dilakukan karena belum banyak kajian akademis yang menelaah sentimen publik terhadap fenomena tersebut secara komputasional. Tujuan penelitian ini adalah menganalisis kecenderungan opini masyarakat serta mengevaluasi kinerja IndoBERT sebagai model Transformer dalam klasifikasi sentimen bahasa Indonesia.Penelitian menggunakan metode CRISP-DM yang meliputi pemahaman data, persiapan data, pemodelan, evaluasi, dan penyebaran. Data dikumpulkan dari platform X (Twitter) melalui web crawling, kemudian diproses melalui pembersihan teks, normalisasi, penghapusan stopword, serta pelabelan otomatis dengan IndoBERTweet Sentiment. Untuk mengatasi ketidakseimbangan data, dilakukan augmentasi dengan Contextual Word Embedding Augmentation. Eksperimen dilakukan dengan dua skenario pembagian data (80:10:10 dan 70:20:10) serta variasi epoch dan batch size. Hasil penelitian menunjukkan model terbaik diperoleh pada skenario 80:10:10 dengan 10 epoch dan batch size 32, menghasilkan precision sebesar 93,03%, recall 93,02%, dan F1-score 93,03%. Model ini kemudian digunakan untuk mengklasifikasikan 8.000 data tambahan, yang menghasilkan 82,80% sentimen negatif dan 17,20% sentimen positif. Temuan ini memberikan gambaran bahwa opini publik terhadap tagar #KaburAjaDulu cenderung bernuansa negatif, yang dapat ditafsirkan sebagai bentuk kritik masyarakat terhadap isu tersebut. Secara metodologis, hasil ini juga membuktikan bahwa penyesuaian hyperparameter berperan penting dalam meningkatkan kinerja IndoBERT pada analisis sentimen isu sosial di media sosial.

Actions (login required)

View Item