ANALISIS SENTIMEN DAN TREN PERCAKAPAN PUBLIK TENTANG ISU MAFIA BBM DI MEDIA SOSIAL TIKTOK DENGAN PENDEKATAN KLASIFIKASI BERBASIS MODEL TRANSFORMER INDOBERTWinda YuliaMalahaauthorIsu 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.000 Ilmu komputer, informasi dan pekerjaan umum004 Pemrosesan data dan ilmu komputer2026-01-21Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis