ANALISIS SENTIMEN MULTI-ASPEK PADA TWITTER TENTANG TIMNAS INDONESIA ERA PATRICK KLUIVERT DENGAN ENSEMBLE LOGISTIC REGRESSION DAN INDOBERT

Ananda, Rio (2026) ANALISIS SENTIMEN MULTI-ASPEK PADA TWITTER TENTANG TIMNAS INDONESIA ERA PATRICK KLUIVERT DENGAN ENSEMBLE LOGISTIC REGRESSION DAN INDOBERT. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (3MB)
	Text (BAB I) BAB I.pdf - Published Version Download (189kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (866kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (2MB)
	Text (BAB V) BAB V.pdf - Published Version Download (81kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (140kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.5134.zip - Published Version Restricted to Repository staff only Download (2MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

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.

Actions (login required)

View Item