<![CDATA[Aktivitas pemantauan berita di Humas PTPN IV Regional III masih dilakukan secara manual sehingga memerlukan waktu yang lama, rentan terhadap subjektivitas, dan berisiko melewatkan informasi penting. Penelitian ini bertujuan untuk merancang dan membangun sistem pemantauan berita berbasis web yang mengintegrasikan model Indonesian Bidirectional Encoder Representations from Transformers (IndoBERT) untuk klasifikasi sentimen secara otomatis. IndoBERT dipilih karena dilatih khusus menggunakan korpus berbahasa Indonesia sehingga lebih mampu memahami karakteristik bahasa dan sentimen dibandingkan model multilingual. Dataset yang digunakan terdiri atas 1.200 berita dengan distribusi seimbang pada tiga kelas sentimen: positif, netral, dan negatif. Model dikembangkan menggunakan metode fine-tuning dan menghasilkan akurasi 75% serta macro F1-score 0,74. Kelas negatif memperoleh kinerja terbaik dengan F1-score 0,85, sedangkan kelas netral mencapai 0,63 akibat karakteristik sentimen yang ambigu. Sistem ini dikembangkan menggunakan Flask, Next.js, MySQL, dan SerpAPI. Hasil pengujian Black Box menunjukkan bahwa seluruh fitur berfungsi sesuai kebutuhan, sedangkan User Acceptance Testing (UAT) memperoleh tingkat penerimaan sebesar 96,5%. Penelitian ini berkontribusi melalui implementasi sistem pemantauan berita korporasi berbasis web yang mengintegrasikan IndoBERT secara end-to-end.]]>
