ANALISIS SENTIMEN PROGRAM BARAK MILITER PADA TWITTER MENGGUNAKAN PENDEKATAN DEEP LEARNING BERBASIS INDOBERT DAN CNN

• GIVARI REVA FAHREZI
• 2025

---

Perkembangan media sosial, khususnya Twitter, telah menjadi sarana yang efektif dalam menyuarakan opini publik terhadap isu-isu kebijakan. Salah satu isu yang sempat ramai diperbincangkan adalah usulan program barak militer untuk pelajar oleh Dedi Mulyadi. Penelitian ini ditujukan sebagai media penganalisisan sentimen masyarakat atas program tersebut dengan pendekatan deep learning menggunakan model IndoBERT dan IndoBERT yang dikombinasikan dengan CNN. Data dikumpulkan dari Twitter selama lima bulan (Januari–Juni 2025) dengan total 1.343 cuitan yang telah melalui tahapan preprocessing dan pelabelan manual menjadi tiga kategori sentimen: positif, netral, dan negatif.

Metodologi penelitian meliputi fine-tuning model IndoBERT untuk klasifikasi sentimen, serta eksperimen dengan arsitektur hybrid IndoBERT-CNN untuk meningkatkan performa klasifikasi. Evaluasi dilakukan melalui penggunaan metrik akurasi, presisi, recall, dan f1-score. Hasil membuktikan bahwa model IndoBERT-CNN meraih akurasi paling tinggi sejumlah 72%, lebih baik dibanding model IndoBERT murni. Model mampu mengenali sentimen positif dengan baik, namun masih menunjukkan kelemahan saat melakukan pendeteksian sentimen netral secara konsisten. Temuan ini mengindikasikan bahwa pendekatan hybrid dapat meningkatkan akurasi klasifikasi sentimen teks berbahasa Indonesia, serta memberikan gambaran yang lebih objektif terhadap persepsi masyarakat di media sosial.

• Analisis Sentimen
• IndoBERT
• CNN
• Twitter
• Deep Learning
• Barak Militer
• NLP.

https://repository.bsi.ac.id/repo/69542/ANALISIS-SENTIMEN-PROGRAM-BARAK-MILITER-PADA-TWITTER-MENGGUNAKAN-PENDEKATAN-DEEP-LEARNING-BERBASIS-INDOBERT-DAN-CNN
Anda dapat membaca file tugas akhir ini di repository.