<![CDATA[Perkembangan diplomasi digital dan meningkatnya diskursus publik di media sosial menjadikan analisis sentimen sebagai metode yang penting untuk memetakan opini masyarakat terhadap kebijakan luar negeri Indonesia. Salah satu isu yang menarik perhatian publik adalah keputusan Indonesia bergabung dalam Board of Peace. Namun, penelitian yang membandingkan kinerja IndoBERT dan Bi-LSTM pada isu geopolitik di media sosial Indonesia masih terbatas. Penelitian ini membandingkan kedua model dalam menganalisis sentimen publik di Platform X terkait isu tersebut menggunakan kerangka CRISP-DM yang meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi. Dataset terdiri atas 1.627 unggahan yang diperoleh melalui penyaringan 2.314 tweet melalui teknik scraping berbasis kata kunci dan dilabeli secara manual ke dalam tiga kelas sentimen, yaitu 98 Negatif, 1.383 Netral, dan 146 Positif. Ketidakseimbangan kelas ditangani dengan SMOTE, sedangkan evaluasi dilakukan pada 245 sampel uji menggunakan akurasi, presisi, recall, dan F1-score. Hasil menunjukkan IndoBERT mencapai akurasi 95,51% dan weighted F1-score 0,9514, lebih tinggi dibandingkan Bi-LSTM dengan akurasi 94,29% dan F1-score 0,9409. IndoBERT unggul pada klasifikasi kelas minoritas, sedangkan Bi-LSTM lebih efisien secara komputasi. Temuan ini menunjukkan bahwa model berbasis transformer lebih efektif dalam menangkap konteks semantik wacana geopolitik digital untuk analisis sentimen kebijakan luar negeri Indonesia.]]>
