ANALISIS SENTIMEN PUBLIK PADA PENANGANAN BENCANA DARI KOMENTAR LIVE YOUTUBE KUNJUNGAN PRESIDEN PRABOWO DI ACEH TENGGARA MENGGUNAKAN INDOBERT

Abstrak

Penelitian ini dilatarbelakangi oleh tantangan dalam pemrosesan bahasa alami (NLP), khususnya pada tugas analisis sentimen, di mana metode konvensional seringkali kesulitan menangkap konteks semantik yang kompleks. Tujuan dari studi ini adalah untuk meningkatkan akurasi prediksi dengan menerapkan metode Transfer Learning menggunakan model BERT (Bidirectional Encoder Representations from Transformers). Metodologi penelitian meliputi tahap pra-pemrosesan data, tokenisasi menggunakan WordPiece, dan proses fine-tuning model IndoBERT-Base Uncased pada dataset komentar video YouTube. Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score, serta dibandingkan dengan model baseline. Hasil penelitian menunjukkan bahwa model yang diusulkan berhasil mencapai akurasi sebesar 43%, yang menunjukkan peningkatan signifikan dibandingkan metode sebelumnya, hasil dan proses pengujian ada di https://github.com/tomylive/IndoBERT. Kesimpulannya, penerapan arsitektur BERT terbukti sangat efektif dalam menyelesaikan permasalahan analisis sentimen dan menawarkan solusi yang lebih handal untuk pemahaman teks otomatis.