Malaha, Winda Yulia (2026) ANALISIS SENTIMEN DAN TREN PERCAKAPAN PUBLIK TENTANG ISU MAFIA BBM DI MEDIA SOSIAL TIKTOK DENGAN PENDEKATAN KLASIFIKASI BERBASIS MODEL TRANSFORMER INDOBERT. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (COVER - ABSTRAK)
COVER.pdf - Published Version Download (880kB) |
|
Text (BAB I)
BAB I.pdf - Published Version Download (289kB) |
|
Text (BAB II)
BAB II.pdf - Published Version Restricted to Registered users only Download (913kB) |
|
Text (BAB III)
BAB III.pdf - Published Version Restricted to Registered users only Download (632kB) |
|
Text (BAB IV)
BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf - Published Version Download (177kB) |
|
Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (200kB) |
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 22.11.5071.zip Restricted to Repository staff only Download (1MB) |
|
Text (PUBLIKASI)
Publikasi.pdf - Published Version Restricted to Repository staff only Download (4MB) |
Abstract
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.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Analisis sentimen, Tiktok, IndoBERT, Inset, Mafia BBM, Sentiment Anlyst, Fuel mafia. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 16 Jul 2026 02:34 | ||
| Last Modified: | 16 Jul 2026 02:34 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/32175 |
Actions (login required)
 |
View Item |