<![CDATA[Abstract: Donations, as a form of social solidarity, often face issues of transparency and misuse, particularly in humanitarian cases such as acid attacks. These issues lead to public distrust and become widely discussed on social media platforms like X.com. This study aims to analyze public sentiment toward the use of donations in such a case by collecting 1,077 tweets using specific keywords. The data underwent preprocessing, sentiment labeling using the VADER method, and classification with IndoBERT, a BERT-based model for the Indonesian language. The results show a dominance of neutral sentiment, causing class imbalance and bias toward the neutral class. As a result, the model showed low accuracy in detecting positive and negative sentiments, and signs of overfitting were observed. This study recommends the application of data balancing techniques and regularization methods to improve classification performance, particularly in handling minority sentiment classes. Keyword: Sentiment Analysis, BERT, Donation, Social Media, VADER, IndoBERT, Acid Attack Abstrak: Donasi sebagai bentuk solidaritas sosial sering kali menghadapi isu transparansi dan penyalahgunaan, terutama dalam kasus kemanusiaan seperti penyiraman air keras. Isu ini menimbulkan ketidakpercayaan publik dan menjadi topik hangat di media sosial X.com. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penggunaan donasi pada kasus tersebut dengan menggunakan 1.077 tweet yang dikumpulkan berdasarkan kata kunci tertentu. Data dianalisis melalui proses praproses, pelabelan sentimen menggunakan metode VADER, dan klasifikasi menggunakan IndoBERT, model BERT untuk Bahasa Indonesia. Hasil penelitian menunjukkan dominasi sentimen netral yang menyebabkan ketidakseimbangan kelas dan bias model terhadap kelas tersebut. Akurasi dalam mengidentifikasi sentimen positif dan negatif pun rendah, serta terdeteksi adanya overfitting. Penelitian ini merekomendasikan penggunaan teknik penyeimbangan data dan metode regularisasi untuk meningkatkan performa klasifikasi, khususnya pada sentimen minoritas. Kata kunci: Analisis Sentimen, BERT, Donasi, Media Sosial, VADER, IndoBERT, Penyiraman Air Keras]]>
