Febriati, Baiq Nina
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Augmentasi GPT-4o dan Fine-Tuning IndoBERT untuk Analisis Sentimen Publik pada Isu Reshuffle Menteri Keuangan Kamila, Sabrina Adnin; Wahda, Aisya Wina; Febriati, Baiq Nina; Anwar Fitrianto; Rachmat Bintang Yudhianto
MUST: Journal of Mathematics Education, Science and Technology Vol 10 No 2 (2025): DECEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v10i2.28707

Abstract

Reshuffle Menteri Keuangan pada tahun 2025 memicu perhatian publik luas dan menghasilkan dinamika opini di media sosial, khususnya X. Opini publik yang terekam dalam bentuk teks bersifat masif, real-time, dan tidak terstruktur, sehingga menghadirkan tantangan analisis karena penggunaan bahasa informal serta distribusi kelas sentimen yang tidak seimbang. Penelitian ini bertujuan untuk mengidentifikasi sentimen publik terkait reshuffle Menteri Keuangan dengan memanfaatkan integrasi GPT-4o dan IndoBERT. GPT-4o digunakan sebagai instrumen augmentasi data untuk memperkaya kelas minoritas, sedangkan IndoBERT berperan sebagai model klasifikasi sentimen yang dioptimalkan untuk bahasa Indonesia. Hasil penelitian menunjukkan bahwa pendekatan ini mampu meningkatkan kualitas representasi data dan stabilitas klasifikasi. Model IndoBERT yang dilatih dengan data hasil augmentasi mencapai akurasi 86% dan macro-F1 sebesar 0,86, dengan performa terbaik pada kelas negatif (F1=0,88), disusul positif (F1=0,86) dan netral (F1=0,83). Temuan ini menegaskan bahwa integrasi GPT-4o dan IndoBERT efektif dalam mengatasi imbalanced data serta meningkatkan keandalan analisis sentimen berbahasa Indonesia. Penelitian ini tidak hanya memperkaya literatur analisis teks di Indonesia, tetapi juga memberikan kontribusi praktis bagi pembuat kebijakan dan media dalam memahami opini publik secara lebih proporsional.