<![CDATA[Pesatnya pertumbuhan umpan balik masyarakat di platform digital menuntut instansi pemerintah untuk memiliki sistem analisis sentimen yang efisien guna memahami persepsi publik. Penelitian ini bertujuan untuk membangun dan mengevaluasi model klasifikasi sentimen yang akurat untuk menganalisis ulasan layanan publik berbahasa Indonesia. Metode yang diimplementasikan adalah arsitektur hybrid yang mengombinasikan kekuatan model pre-trained IndoBERT untuk tahap ekstraksi fitur kontekstual dan algoritma Support Vector Machine (SVM) untuk tahap klasifikasi. Model dilatih dan diuji menggunakan dataset ulasan publik yang telah melalui tahap pra-pemrosesan. Hasil pengujian menunjukkan bahwa model yang diusulkan berhasil mencapai akurasi keseluruhan sebesar 90%. Analisis kinerja secara mendalam mengungkapkan bahwa model memiliki karakteristik yang unggul dalam mendeteksi sentimen negatif dengan nilai recall mencapai 97%, meskipun bersifat lebih konservatif pada sentimen positif. Hasil ini membuktikan bahwa kombinasi IndoBERT dan SVM merupakan pendekatan yang sangat efektif dan dapat menghasilkan sebuah model fungsional yang andal, khususnya untuk identifikasi keluhan, sehingga dapat menjadi alat bantu yang berharga bagi instansi dalam memonitor umpan balik publik secara otomatis.]]>
Copyrights © 2026
