ANALISIS SENTIMEN PADA CUITAN BERITA DENGAN MENGGUNAKAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT)

Masyarakat di Indonesia memilih media sosial sebagai salah satu platform yang paling sering diakses untuk mendapatkan informasi. Sebanyak 167 juta Masyarakat di Indonesia merupakan pengguna aktif Media Sosial. X adalah salah satu media sosial yang digunakan untuk mendapatkan informasi dan berita. Masyarakat yang tidak selektif dalam memilih berita menyebabkan kerentanan termakan akan berita hoaks. Oleh karena itu, penting untuk mengetahui sebuah cuitan berita merupakan tergolong berita positif, netral atau negatif sehingga dapat menekan penyebaran berita hoax. Tujuan dari penelitian ini adalah melakukan analisis sentimen pada cuitan berita menggunakan model Bidirectional Encoder Representations from Transformers (BERT) dengan bahasa Indonesia atau yang biasa disebut dengan IndoBERT. Hasil penelitian menunjukan bahwa hasil evaluasi model dapat dilihat dari rata-rata nilai akurasi sebesar 83.67% sedangkan persentase rata-rata evaluasi precision 84.17%, nilai recall 83.67% dan nilai f1-score 83.5% Selain itu, aplikasi berbasis web untuk klasifikasi sentimen cuitan berita X dengan pengujian blackbox juga menunjukan hasil performa yang baik yaitu 100% dan pengujian dengan metode SUS memperoleh skor 82.13.