Analisis Sentimen Program Makan Siang Gratis Menggunakan Model IndoBERT

Jose Andreas Lukmanto, Theresia Puspa Wijayanti

Abstract


Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program makan siang gratis di Indonesia menggunakan model IndoBERT-Large-P2. Penelitian ini menggunakan data tweet hasil crawling sebanyak 5,699 yang
kemudian dibersihkan menjadi 5,294 data, dengan tujuan untuk mengevaluasi kinerja model dalam mengklasifikasikan sentimen positif, negatif, dan netral terhadap kebijakan tersebut. Metodologi yang digunakan meliputi tahapan crawling data menggunakan tweet-harvest, preprocessing data yang mencakup pembersihan teks dan normalisasi kata, serta pembagian data menjadi data latih, data validasi, dan data uji. Model IndoBERT-Large-P2 diuji dengan berbagai konfigurasi, termasuk pengaturan batch size, learning rate, epoch, dan pembagian data untuk memperoleh hasil terbaik dalam klasifikasi sentimen. Hasil analisis menunjukkan bahwa model dapat mencapai akurasi 80% dan nilai rata-rata AUC sebesar 91% dengan performa terbaik tercatat pada pengujian dengan batch size 8, learning rate 3e-5, epsilon 1e-9, epoch ke-7, dan rasio pembagian data 68% data latih, 12% data validasi, serta 20% data uji. Penelitian ini menyimpulkan bahwa model IndoBERTLarge-P2 memiliki kinerja yang baik dalam menganalisis sentimen terhadap program makan siang gratis di media sosial X dan memberikan wawasan penting mengenai penerapan model NLP dalam analisis opini publik di Indonesia.


Keywords


Analisis sentimen; IndoBERT-Large-P2; Program Makan Siang Gratis; Klasifikasi Sentimen; Media Sosial X

References


B. Gunawan and B. Ratmono, Medsos Di Antara Dua Kutub. 2021. Accessed: Apr. 28, 2025. [Online]. Available: https://www.google.co.id/books/edition/MEDSOS_di_Antara_Dua_Kutub/Vdk2EAAAQBAJ?hl=id&gbpv=1&dq=media+sosial&printsec=frontcover

R. A. Salam and T. Akib, “Analisis Wacana Kritis terhadap Sarkasme dalam Twitter Sejak Bulan September-November 2023,” Pendidikan, 2024. [Online]. Available: https://e-journal.my.id/onoma

S. Kemp, “DIGITAL 2025,” 2025.

D. Bhisetya Rarasati, A. Pramana Thenata, A. Salsabila Arief, and C. Author, “Indonesian Society’s Sentiment Analysis Against the COVID-19 Booster Vaccine,” Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 2023.

A. Sitanggang, Y. Umaidah, Y. Umaidah, R. I. Adam, and R. I. Adam, “Analisis Sentimen Masyarakat Terhadap Program Makan Siang Gratis Pada Media Sosial X Menggunakan Algoritma Naïve Bayes,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, Mar. 2024, doi: 10.23960/jitet.v12i3.4902.

L. Zhang, “Features extraction based on Naive Bayes algorithm and TF-IDF for news classification,” PLoS One, vol. 20, no. 7 July, Jul. 2025, doi: 10.1371/journal.pone.0327347.

Jamaaluddin and I. Sulistyowati, Buku Ajar Kecerdasan Buatan (Artificial Intelligence). UMSIDA Press, 2021.

A. S. Sulaeman, A. Sujjada, and I. L. Kharisma, “Penerapan Algoritma Cerdas Bidirectional Encoder Refresentations From Transformers Dalam Menganalisis Opini Publik Terhadap Produk Yang Mengalami Boikot,” Jurnal Inovtek Polbeng - Seri Informatika, vol. 9, no. 1, 2024.

L. Pradana, “Analisis Sentimen Masyarakat Media Sosial Twitter Terhadap Kinerja Penjabat Gubernur Dki Jakarta Menggunakan Model Indobert Program Studi Matematika,” 2024.

H. Imaduddin, F. Y. A’la, and Y. S. Nugroho, “Sentiment Analysis in Indonesian Healthcare Applications using IndoBERT Approach.” [Online]. Available: www.ijacsa.thesai.org

L. Geni, E. Yulianti, and D. I. Sensuse, “Sentiment Analysis of Tweets Before the 2024 Elections in Indonesia Using Bert Language Models,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, vol. 9, no. 3, pp. 746–757, Mar. 2023, doi: 10.26555/jiteki.v9i3.26490.

F. Valerian, M. Syarief, and D. Fatah, “Klasifikasi Tingkat Obesitas Menggunakan Metode Gbm Dan Confusion Matrix,” Jurnal Mahasiswa Teknik Informatika, vol. 9, no. 2, 2025.

S. Sathyanarayanan and B. Tantri, “Confusion Matrix-Based Performance Evaluation Metrics,” African Journal of Biomedical Research, pp. 4023–4031, Nov. 2024, doi: 10.53555/AJBR.v27i4S.4345.

J. M. Rožanec and D. M. Mladeni´c, “WaAUROCC: measuring how steep the ROC curve is,” 2024.

A. Cahyana and E. Redy Susanto, “Penerapan Algoritma XGBoost untuk Prediksi Diabetes: Analisis Confusion Matrix dan ROC Curve,” Fountain of Informatics Journal, vol. 10, no. 1, pp. 2548–5113, 2025, doi: 10.21111/fij.v10i1.14311.




DOI: http://dx.doi.org/10.30813/j-alu.v8i2.8868

Refbacks

  • There are currently no refbacks.


p-ISSN 2620-620X
e-ISSN 2621-9840

 

Indexed By

  

 


Recommended Tools:


Dimension