Perpustakaan Digital ITB

Twitter merupakan salah satu platform media sosial yang banyak digunakan masyarakat untuk menyampaikan opini dan respons terhadap isu publik secara cepat, sehingga diperlukan metode yang mampu memantau kecenderungan sentimen masyarakat secara real time. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat pada platform Twitter menggunakan algoritma IndoBERT dengan tiga variasi aktivasi, yaitu No Activation, GELU, dan Tanh, guna memberikan gambaran kecenderungan isu publik terhadap suatu topik. Metode yang digunakan meliputi pengumpulan data tweet melalui proses crawling berdasarkan kata kunci tertentu, pelabelan data ke dalam kategori sentimen positif, netral, dan negatif, kemudian dilakukan fine-tuning model IndoBERT pada dataset berlabel. Model yang dihasilkan diimplementasikan ke dalam sistem berbasis antarmuka untuk memproses data Twitter dan menghasilkan prediksi sentimen secara langsung. Evaluasi dilakukan tidak hanya menggunakan hasil prediksi sentimen, tetapi juga dengan analisis perilaku keyakinan model melalui confidence score, logit margin, serta distribusi entropy untuk mengukur tingkat ketidakpastian prediksi. Hasil penelitian menunjukkan bahwa IndoBERT dengan tiga variasi aktivasi mampu digunakan untuk prediksi sentimen secara real time dan memberikan gambaran kecenderungan sentimen masyarakat terhadap topik yang dianalisis. Perbedaan aktivasi memengaruhi karakter prediksi, terutama pada kestabilan output dan tingkat ketidakpastian, di mana Tanh cenderung menghasilkan prediksi lebih stabil, GELU lebih kuat dalam membentuk keputusan tegas pada sampel yang jelas, dan No Activation lebih sering berada pada kondisi borderline pada teks ambigu. Dengan demikian, penelitian ini membuktikan bahwa IndoBERT dengan variasi aktivasi dapat digunakan sebagai solusi analisis sentimen real time untuk memantau opini publik pada isu tertentu di Twitter.