%0 Thesis
%9 S1 - Sarjana
%A Malaha, Winda Yulia
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2026
%F universitasamikomyogyakarta:32175
%I Universitas AMIKOM Yogyakarta
%K Analisis sentimen, Tiktok, IndoBERT, Inset, Mafia BBM, Sentiment Anlyst, Fuel mafia.
%T ANALISIS SENTIMEN DAN TREN PERCAKAPAN PUBLIK TENTANG  ISU MAFIA BBM DI MEDIA SOSIAL TIKTOK DENGAN PENDEKATAN  KLASIFIKASI BERBASIS MODEL TRANSFORMER INDOBERT
%U https://eprints.amikom.ac.id/id/eprint/32175/
%X Isu mafia BBM memicu beragam respon masyarakat yang terekam pada  kolom komentar TikTok. Untuk melihat kecenderungan opini publik secara lebih  terstruktur, dilakukan analisis sentimen menggunakan model IndoBERT. Data  komentar yang bersifat teks bebas diproses melalui pembersihan teks, penyamaan  format penulisan, normalisasi kata, penghapusan kata umum yang kurang  membantu, serta penghapusan data kosong dan duplikat agar data lebih konsisten.  Pelabelan sentimen dilakukan secara otomatis menggunakan leksikon InSet  sehingga terbentuk tiga kelas sentimen negatif, netral, dan positif. Model  IndoBERT dilatih menggunakan pembagian data latih, validasi, dan uji dengan  proporsi kelas yang dijaga, serta dipilih konfigurasi terbaik dengan mencoba  beberapa setelan pelatihan yang berbeda. Evaluasi pada data uji menghasilkan  akurasi 0,8786 dengan F1 score macro 0,8785 dan F1 score weighted 0,8793.  Secara per kelas, performa terbaik terdapat pada sentimen negatif dengan F1 score  0,90, disusul positif 0,88 dan netral 0,86. Kesalahan klasifikasi paling banyak  terjadi pada kelas netral, yang menunjukkan bahwa komentar netral sering memiliki  ciri yang mirip dengan komentar negatif atau positif. Hasil ini menunjukkan  IndoBERT cukup efektif untuk klasifikasi sentimen komentar TikTok terkait isu  mafia BBM dan dapat digunakan sebagai dasar pemetaan kecenderungan opini  publik.