%0 Thesis
%9 S1 - Sarjana
%A Ananda, Rio
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2026
%F universitasamikomyogyakarta:33068
%I Universitas AMIKOM Yogyakarta
%K analisis sentimen, multi-aspek, ensemble, Logistic Regression,  IndoBERT, Twitter, sentiment analysis, aspect-based sentiment analysis.
%T ANALISIS SENTIMEN MULTI-ASPEK PADA TWITTER  TENTANG TIMNAS INDONESIA ERA PATRICK KLUIVERT  DENGAN ENSEMBLE LOGISTIC REGRESSION DAN  INDOBERT
%U https://eprints.amikom.ac.id/id/eprint/33068/
%X Perkembangan media sosial memungkinkan masyarakat menyampaikan  opini secara terbuka terhadap berbagai isu, termasuk mengenai Tim Nasional  Indonesia. Cuitan yang muncul di platform Twitter sering kali memuat beragam  aspek sekaligus, seperti strategi pelatih, performa pemain, hasil pertandingan, dan  opini umum. Oleh karena itu, analisis sentimen multi-aspek diperlukan untuk  memahami sentimen publik secara lebih mendalam. Penelitian ini bertujuan untuk  menerapkan metode ensemble weighted soft-voting dengan menggabungkan model  Logistic Regression dan IndoBERT dalam tugas deteksi aspek multi-label dan  klasifikasi sentimen per aspek terhadap cuitan Twitter berbahasa Indonesia  mengenai Timnas Indonesia pada era kepelatihan Patrick Kluivert. Proses  penelitian meliputi pengumpulan data cuitan, praproses teks, pemodelan  menggunakan Logistic Regression berbasis TF-IDF dan IndoBERT, serta evaluasi  kinerja model. Pada masing-masing model dilakukan hyperparameter tuning dan  threshold tuning untuk memperoleh konfigurasi terbaik. Selanjutnya, kedua model  digabungkan menggunakan metode ensemble weighted soft-voting dengan  pencarian bobot dan ambang keputusan optimal pada setiap aspek. Evaluasi  dilakukan menggunakan metrik Macro-F1, Micro-F1, dan Area Under the Curve  (AUC). Hasil penelitian menunjukkan bahwa pendekatan ensemble mampu  meningkatkan performa dibandingkan model tunggal. Pada tugas deteksi aspek,  model ensemble menghasilkan nilai Macro-F1 keseluruhan yang lebih baik  dibandingkan Logistic Regression maupun IndoBERT. Pada tugas klasifikasi  sentimen per aspek, pendekatan ensemble juga menunjukkan kinerja yang lebih  stabil dengan performa tertinggi pada aspek hasil pertandingan. Secara keseluruhan,  kombinasi kedua model memberikan kontribusi dalam meningkatkan stabilitas dan  akurasi prediksi pada analisis sentimen multi-aspek.