Kemampuan berkomunikasi dalam lebih dari satu bahasa merupakan keterampilan penting di era globalisasi, termasuk bagi masyarakat Indonesia yang hidup dalam lingkungan multibahasa. Fenomena penggunaan bahasa campuran (code-mixing), seperti code-mixing bahasa Indonesia-Inggris, banyak ditemukan di platform media sosial X. Fenomena ini mencerminkan praktik bilingualisme yang kompleks dan menarik untuk dikaji, terutama dari sisi opini dan sentimen pengguna terhadap bilingualisme itu sendiri. Penelitian ini bertujuan untuk menganalisis sentimen terhadap opini mengenai bilingualisme dalam teks code-mixed Indonesia-Inggris di platform X dengan menerapkan metode Attention-based BiLSTM-CNN. Analisis difokuskan pada tiga aspek utama, yaitu evaluasi performa model, perbandingan performa model dengan dan tanpa lapisan attention, serta pengaruh penambahan data sintesis terhadap performa model. Hasil penelitian menunjukkan bahwa model Attention-based BiLSTM-CNN mampu mengklasifikasikan sentimen mengenai bilingualisme dalam teks code-mixed Indonesia-Inggris dengan baik, dengan akurasi terbaik sebesar 87,5%, presisi 88,06%, recall 87,19%, dan F1-Score 87,62%. Model dengan lapisan attention menunjukkan stabilitas performa yang lebih baik, ditandai oleh tren peningkatan metrik evaluasi dengan fluktuasi performa yang relatif lebih kecil dibandingkan model tanpa attention. Selain itu, penambahan data sintesis turut membantu meningkatkan performa model dibandingkan hanya menggunakan data nyata, terlebih jika jumlah data nyata relatif kecil untuk model yang cukup kompleks seperti model yang digunakan pada penelitian ini.
Copyrights © 2026