ANALISIS SENTIMEN PUBLIK PADA PENANGANAN BENCANA DARI KOMENTAR LIVE YOUTUBE KUNJUNGAN PRESIDEN PRABOWO DI ACEH TENGGARA MENGGUNAKAN INDOBERT
Isi Artikel Utama
Abstrak
Penelitian ini dilatarbelakangi oleh tantangan dalam pemrosesan bahasa alami (NLP), khususnya pada tugas analisis sentimen, di mana metode konvensional seringkali kesulitan menangkap konteks semantik yang kompleks. Tujuan dari studi ini adalah untuk meningkatkan akurasi prediksi dengan menerapkan metode Transfer Learning menggunakan model BERT (Bidirectional Encoder Representations from Transformers). Metodologi penelitian meliputi tahap pra-pemrosesan data, tokenisasi menggunakan WordPiece, dan proses fine-tuning model IndoBERT-Base Uncased pada dataset komentar video YouTube. Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score, serta dibandingkan dengan model baseline. Hasil penelitian menunjukkan bahwa model yang diusulkan berhasil mencapai akurasi sebesar 43%, yang menunjukkan peningkatan signifikan dibandingkan metode sebelumnya, hasil dan proses pengujian ada di https://github.com/tomylive/IndoBERT. Kesimpulannya, penerapan arsitektur BERT terbukti sangat efektif dalam menyelesaikan permasalahan analisis sentimen dan menawarkan solusi yang lebih handal untuk pemahaman teks otomatis.
Rincian Artikel
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) STMIK TIMEReferensi
D. Y. Yefferson, V. Lawijaya, and A. S. Girsang, “Hybrid model: IndoBERT and long short-term memory for detecting Indonesian hoax news,” IAES Int. J. Artif. Intell., vol. 13, no. 2, 2024, doi: 10.11591/ijai.v13.i2.pp1913-1924.
[2] R. S. Ainul Wildan, R. Adam Rajagede, and R. Rahmadi, “Analisis Sentimen Politik Berdasarkan Big Data dari Media Sosial Youtube: Sebuah Tinjauan Literatur,” Pros. Autom., vol. 2, no. 1, 2021.
[3] J. Damanik, T. S. Alasi, and V. J. Sianipar, “Smart City Untuk Kemudahan Pelayanan Publik Kota Binjai dengan Pendekatan Sistem Terdistribusi dan Kecerdasan Buatan,” J. RAMBUTAN, vol. 1, no. 1, pp. 46–52, Dec. 2025, Accessed: Dec. 22, 2025. [Online]. Available: https://ejurnal.bapperida.binjaikota.go.id/index.php/rambutan/article/view/5
[4] S. Y. Prayogi, T. S. Alasi, and R. F. Rahmat, Pengantar Machine Learning. Deli Serdang, Indonesia: Media Publikasi Idpress, 2025. [Online]. Available: https://drive.google.com/file/d/1NSrXtKaxF-MUjzI_InyN5Vmf2ycqKzQM/view?usp=sharing
[5] T. S. Alasi, Ilmu komputer. Deli Serdang, Indonesia: Media Publikasi Idpress, 2024. [Online]. Available: https://drive.google.com/file/d/1FoJF5eOPq8jpMxmrAnXy_zh6E4-8a1h0/view?usp=sharing
[6] R. Topik, “PENGEMBANGAN PERANGKAT LUNAK”.
[7] A. O. K. Adi, F. P. Gusti, and F. Wijaya, “Analisis Sentimen Ulasan Pengguna Aplikasi Mobile Legends Pada Google Playstore Menggunakan Na{"i}ve Bayes,” in Seminar Nasional Teknologi & Sains, 2025, pp. 641–646.
[8] A. Munandar, M. S. Yaasin, and R. A. Firdaus, “Analisis Sentimen Netizen Indonesia Mengenai Boikot Produk,” J. Islam. Bank. Econ., vol. 3, no. 1, 2023.
[9] A. Liawati, R. Narasati, D. Solihudin, C. Lukman Rohmat, and S. Eka Permana, “ANALISIS SENTIMEN KOMENTAR POLITIK DI MEDIA SOSIAL X DENGAN PENDEKATAAN DEEP LEARNING,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, 2024, doi: 10.36040/jati.v7i6.8248.
[10] A. Sentimen et al., “Analisis Sentimen Masyarakat Di Media Sosial X Terhadap Kemenkes Dengan Naive Bayes dan SVM,” J. Sains dan Teknol., vol. 7, no. 1, 2025.
[11] P. G. Aryanti and I. Santoso, “Analisis Sentimen Pada Twitter Terhadap Mobil Listrik Menggunakan Algoritma Naive Bayes,” IKRA-ITH Inform. J. Komput. dan Inform., vol. 7, no. 2, 2023.
[12] A. Saifudin and I. A. Makrifah, “Pengembangan Bahan Ajar Mata Kuliah English Specific Purpose Program Studi Pendidikan Bahasa Inggris Universitas Nahdlatul Ulama Blitar untuk Alat Promosi Pariwisata Blitar,” Briliant J. Ris. dan Konseptual, vol. 7, no. 3, 2022, doi: 10.28926/briliant.v7i3.882.
[13] M. I. Pramesti, “Analisis Gaya Komunikasi Ustadz Adi Hidayat Dalam Berdakwah,” Hikmah, vol. 17, no. 1, 2023, doi: 10.24952/hik.v17i1.6825.
[14] Mutoharoh Tryas, “Pemanfaatan aplikasi youtube untuk media pembelajaran,” Jubah Raja (Jurnal Bahasa, Sastra, dan Pengajaran), vol. 1, no. November, 2022.
[15] M. A. M. Ardiansyah and M. L. Nugraha, “ANALISIS PEMANFAATAN MEDIA PEMBELAJARAN YOUTUBE DALAM MENINGKATKAN PEMAHAMAN KONSEP MATEMATIKA PESERTA DIDIK,” Semnas Ristek (Seminar Nas. Ris. dan Inov. Teknol., vol. 6, no. 1, 2022, doi: 10.30998/semnasristek.v6i1.5828.
[16] S. Sanjaya, R. G. Guntara, and S. S. Maesaroh, “Sentiment Analysis of LinkAja Digital Wallet Application Reviews on Google Play Store using Transfer Learning IndoBERT,” INOVTEK Polbeng-Seri Inform., vol. 10, no. 3, pp. 1730–1740, 2025.
[17] F. R. Andhika, W. Witanti, and P. N. Sabrina, “Analisis Sentimen Menggunakan Metode IndoBERT pada Ulasan Aplikasi Zoom Menggunakan Fitur Ekstrasi GloVe,” METIK, vol. 9, no. 2, 2025.
[18] M. I. K. Sinapoy, Y. Sibaroni, and S. S. Prasetyowati, “Comparison of LSTM and IndoBERT Method in Identifying Hoax on Twitter,” J. RESTI, vol. 7, no. 3, 2023, doi: 10.29207/resti.v7i3.4830.
[19] N. C. Mei, S. Tiun, and G. Sastria, “Multi-Label Aspect-Sentiment Classification on Indonesian Cosmetic Product Reviews with IndoBERT Model,” Int. J. Adv. Comput. Sci. Appl., vol. 15, no. 11, 2024, doi: 10.14569/IJACSA.2024.0151168.
[20] T. Y. Tandi, T. F. Abidin, and H. Riza, “Incorporation of IndoBERT and Machine Learning Features to Improve the Performance of Indonesian Textual Entailment Recognition,” J. Inf. Syst. Eng. Bus. Intell., vol. 11, no. 2, 2025, doi: 10.20473/jisebi.11.2.173-186.
[21] H. Imaduddin, F. Y. A’la, and Y. S. Nugroho, “Sentiment Analysis in Indonesian Healthcare Applications using IndoBERT Approach,” Int. J. Adv. Comput. Sci. Appl., vol. 14, no. 8, 2023, doi: 10.14569/IJACSA.2023.0140813.