<![CDATA[Platform X menjadi ruang diskusi publik paling aktif di Indonesia, termasuk dalam merespons film bermuatan sosial seperti Ghost in the Cell karya Joko Anwar. Banyaknya opini dalam bentuk tweet menyulitkan analisis sentimen manual sehingga dibutuhkan pendekatan komputasional yang mampu menangkap konteks bahasa secara mendalam. Penelitian ini menerapkan model IndoBERT untuk mengklasifikasikan sentimen pengguna X terhadap film tersebut ke dalam kategori positif dan negatif. Sebanyak 5.213 tweet dikumpulkan melalui scraping dengan kata kunci "Ghost in the Cell" selama masa penayangan film, lalu diproses melalui tahap preprocessing (cleaning, case folding, normalisasi elongation dan slang word) hingga tersisa 3.659 tweet. Pelabelan menggunakan Indonesia Sentiment Lexicon (InSet) menghasilkan 1.809 tweet positif dan 1.565 tweet negatif setelah data netral dikeluarkan, kemudian dibagi dengan stratified split 80:20 menjadi 2.699 data latih dan 675 data uji. Model di-fine-tuning selama 5 epoch dengan tiga variasi learning rate (1e-5, 2e-5, 3e-5) untuk mencari konfigurasi terbaik. Learning rate 1e-5 menghasilkan accuracy 79,56% dan F1-score 81,50%, learning rate 2e-5 menghasilkan accuracy 81,04% dan F1-score 82,51%, sedangkan learning rate 3e-5 menghasilkan accuracy tertinggi 81,33% dengan F1-score 82,60%. Meski begitu, learning rate 2e-5 dipilih sebagai konfigurasi final karena memberikan keseimbangan performa lebih baik antara kedua kelas sentimen dengan recall positif tertinggi sebesar 83,43%. Hasil ini menunjukkan bahwa IndoBERT mampu memahami konteks dua arah pada teks informal berbahasa Indonesia dengan lebih baik dibandingkan metode berbasis frekuensi kata seperti TF-IDF.]]>
Copyrights © 2026
