Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal Jurnal Simantec Jurnal Manajemen Informatika dan Sistem Informasi Nusantara Hasana Journal Digital Transformation Technology (Digitech)
Dinola, Dinola
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Economics, Econometrics & Finance Education Library & Information Science Nursing

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Digital Transformation Technology (Digitech)

 1 
Klasifikasi Sentimen Publik di Instagram Menggunakan Indobert Terhadap Respons DPR Pasca-Aksi ‘17+8 Tuntutan Rakyat Alwi, Haddad; Julkarnain, M; Oktavia, Siska Atmawan; Dinola, Dinola
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7909

Abstract

Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dalam klasifikasi sentimen tiga kelas (positif, negatif, dan netral) serta memetakan persepsi publik terhadap respons DPR RI pasca aksi “17+8 Tuntutan Rakyat” berdasarkan komentar berbahasa Indonesia di platform Instagram. Pendekatan Knowledge Discovery in Databases (KDD) digunakan yang meliputi tahapan seleksi data (4.737 komentar Instagram), praproses teks (cleansing, case folding, dan normalisasi bahasa gaul), pelabelan data secara semi-otomatis dengan metode Lexicon-Based, pemodelan, dan evaluasi. Untuk mengatasi ketidakseimbangan data (class imbalance), penelitian ini menerapkan teknik class weighting. Model IndoBERT (indobert-base-p1) diterapkan melalui proses fine-tuning dengan rasio pembagian dataset 70:15:15, menggunakan optimizer AdamW, learning rate 2e-5, dan 4 epochs. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score melalui confusion matrix. Hasil penelitian menunjukkan bahwa IndoBERT mencapai akurasi sebesar 97,47% dengan nilai presisi, recall, dan F1-score yang seimbang pada setiap kelas sentimen. Pemetaan sentimen mengindikasikan bahwa sentimen netral mendominasi respons publik, diikuti oleh sentimen negatif dan positif. Selain itu, analisis word cloud menunjukkan perbedaan karakteristik linguistik pada masing-masing kategori sentimen. Temuan ini menegaskan bahwa IndoBERT memiliki kinerja yang sangat baik dalam mengklasifikasikan dan memetakan sentimen publik terhadap isu sosial-politik pada media sosial berbahasa Indonesia.
Co-Authors Alwi, Haddad Anwar Anwar Bulan, Santi Eri Sasmita Susanto Fahri Hamdani Fahri Hamdani Idifitriani, Farida Julkarnain, M Oktavia, Siska Atmawan Oktaviasni, Asti Rosika, Herliana Yuliadi Yuliadi