<![CDATA[Pemilihan Presiden 2024 di Indonesia merupakan topik penting yang banyak dibahas di media sosial, terutama platform X (sebelumnya Twitter). Media sosial ini menyediakan ruang bagi jutaan pengguna untuk berbagi opini yang dapat diolah menjadi data sentiment. Namun, menganalisis opini dalam jumlah besar membutuhkan model yang tepat. Penelitian ini bertujuan untuk menganalisis sentimen publik terkait topik tersebut menggunakan perbandingan model monolingual (IndoBERT) dan multilingual (mBERT), model digunakan untuk mengklasifikasikan sentiment positif, netral, dan negatif. Penelitian dilakukan dengan metode BERT yang meliputi data crawling, preprocessing, labeling, data spliting, implementation model dan evaluation. Dataset terdiri dari 10.140 tweet yang melalui proses preprocessing berupa cleaning, case folding, dan tokenizing, dan proses pelabelan sentiment (positif, netral, negatif). Hasil penelitian menunjukkan bahwa model IndoBERT memiliki akurasi tertinggi sebesar 84% dengan presisi 75%, recall 80%, dan F1-Score 78%, sedangkan mBERT mencatat akurasi 81%, presisi 69%, recall 78%, dan F1-Score 73%. Model IndoBERT terbukti lebih unggul dalam memahami konteks bahasa Indonesia dibandingkan mBERT,terutama pada sentiment positif dan negatif, itu karena keterbatasan dalam menangkap konteks khusus Bahasa Indonesia. Evaluasi menggunakan confusion matrix untuk mendukung pernyataan ini. Hasil penelitian ini diharapkan dapat membantu pengembangan teknologi pemrosesan bahasa alami (NLP) untuk mendukung pemahaman opini publik, terutama di sektor sosial-politik Indonesia.]]>
Copyrights © 2025
