Analisis Sentimen Komentar Instagram Terhadap Calon Presiden (CAPRES) 2024 Menggunakan Model IndoBERT dan IndoBERTweet

Fira Elja Sabidra, 210705021 (2025) Analisis Sentimen Komentar Instagram Terhadap Calon Presiden (CAPRES) 2024 Menggunakan Model IndoBERT dan IndoBERTweet. Other thesis, Universitas Islam Negeri Ar-Raniry Banda Aceh.

[thumbnail of Analisis sentimen, Instagram, Capres 2024, IndoBERT, IndoBERTweet] Text (Analisis sentimen, Instagram, Capres 2024, IndoBERT, IndoBERTweet)
Fira Elja Sabidra, 210705021, FST, TI, 62 082183235059.pdf - Published Version
Available under License Creative Commons Attribution.

Download (6MB)
[thumbnail of Analisis sentimen, Instagram, Capres 2024, IndoBERT, IndoBERTweet] Text (Analisis sentimen, Instagram, Capres 2024, IndoBERT, IndoBERTweet)
Fira Elja Sabidra, 210705021, FST, TI.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Attribution.

Download (8MB)

Abstract

Instagram menjadi salah satu platform utama bagi masyarakat untuk menyampaikan opini terkait calon presiden (capres) menjelang Pemilu 2024. Penelitian ini bertujuan untuk menganalisis sentimen komentar Instagram terhadap capres 2024 dengan memanfaatkan empat model berbasis Transformer: IndoBERT v1, IndoBERT v2, IndoBERTweet v1, dan IndoBERTweet v2. Data dikumpulkan melalui proses web scraping, kemudian dilakukan labeling, pra-pemrosesan, dan tokenisasi. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan f1-score (macro dan weighted). Hasil menunjukkan bahwa IndoBERT v2 merupakan model dengan performa terbaik, memperoleh akurasi sebesar 0,84 dan f1-score macro sebesar 0,82. Model IndoBERTweet v2 berada di posisi kedua dengan akurasi 0,81 dan f1-score macro 0,80, menunjukkan efektivitasnya dalam memahami bahasa informal di media sosial. Sebaliknya, IndoBERT v1 dan IndoBERTweet v1 menunjukkan performa lebih rendah. Hasil ini menegaskan bahwa pemilihan model terbaik perlu mempertimbangkan tidak hanya metrik evaluasi, tetapi juga kesesuaian model terhadap karakteristik data yang digunakan.

Item Type: Thesis (Other)
Subjects: 000 Computer Science, Information and System > 006 Special Computer Methods
Divisions: Fakultas Sains dan Teknologi > S1 Teknologi Informasi
Depositing User: Fira Elja Sabidra
Date Deposited: 13 Aug 2025 07:53
Last Modified: 13 Aug 2025 07:53
URI: http://repository.ar-raniry.ac.id/id/eprint/47068

Actions (login required)

View Item
View Item