Vol. 8 No. 2 (2025): May 2025
Artikel

ANALISIS SENTIMEN TERHADAP PENGGUNAAN DONASI KORBAN PENYIRAMAN AIR KERAS PADA MEDIA SOSIAL X.COM MENGGUNAKAN METODE BERT

PDF
  • Helna Berliana,
  • Ridwan Yusuf
Helna Berliana
Universitas Dharma Wacana
Ridwan Yusuf
Universitas Dharma Wacana

Published 2025-05-09

How to Cite

ANALISIS SENTIMEN TERHADAP PENGGUNAAN DONASI KORBAN PENYIRAMAN AIR KERAS PADA MEDIA SOSIAL X.COM MENGGUNAKAN METODE BERT. (2025). JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 8(2), 1134-1142. https://doi.org/10.54314/jssr.v8i2.3078

Abstract

Abstract: Donations, as a form of social solidarity, often face issues of transparency and misuse, particularly in humanitarian cases such as acid attacks. These issues lead to public distrust and become widely discussed on social media platforms like X.com. This study aims to analyze public sentiment toward the use of donations in such a case by collecting 1,077 tweets using specific keywords. The data underwent preprocessing, sentiment labeling using the VADER method, and classification with IndoBERT, a BERT-based model for the Indonesian language. The results show a dominance of neutral sentiment, causing class imbalance and bias toward the neutral class. As a result, the model showed low accuracy in detecting positive and negative sentiments, and signs of overfitting were observed. This study recommends the application of data balancing techniques and regularization methods to improve classification performance, particularly in handling minority sentiment classes.

 

Keyword: Sentiment Analysis, BERT, Donation, Social Media, VADER, IndoBERT, Acid Attack


Abstrak: Donasi sebagai bentuk solidaritas sosial sering kali menghadapi isu transparansi dan penyalahgunaan, terutama dalam kasus kemanusiaan seperti penyiraman air keras. Isu ini menimbulkan ketidakpercayaan publik dan menjadi topik hangat di media sosial X.com. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penggunaan donasi pada kasus tersebut dengan menggunakan 1.077 tweet yang dikumpulkan berdasarkan kata kunci tertentu. Data dianalisis melalui proses praproses, pelabelan sentimen menggunakan metode VADER, dan klasifikasi menggunakan IndoBERT, model BERT untuk Bahasa Indonesia. Hasil penelitian menunjukkan dominasi sentimen netral yang menyebabkan ketidakseimbangan kelas dan bias model terhadap kelas tersebut. Akurasi dalam mengidentifikasi sentimen positif dan negatif pun rendah, serta terdeteksi adanya overfitting. Penelitian ini merekomendasikan penggunaan teknik penyeimbangan data dan metode regularisasi untuk meningkatkan performa klasifikasi, khususnya pada sentimen minoritas.

 

Kata kunci: Analisis Sentimen, BERT, Donasi, Media Sosial, VADER, IndoBERT, Penyiraman Air Keras

PDF

Downloads

Download data is not yet available.

References

  1. Firmansyah, D. A., & Damayanti, D. (2024). ANALISIS SENTIMEN MASYARAKAT TERHADAP THRIFTING PADA MEDIA SOSIAL TWITTER (X. COM) MENGGUNAKAN METODE K-NEAREST NEIGHBOR. JSR: Jaringan Sistem Informasi Robotik, 8(1), 10-14.
  2. Susilawati, L., & Christin, M. (2024). Analisis Tema Fantasi Komentar Donasi Palestina Pada Akun Youtube Nusantara Palestina Center. Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 8(4), 1023-1028.
  3. Wijaya, A. S. (2022). Analisis Exploratory Kata
  4. “donasi†Akibat Pandemi Covid-19 Pada Media Sosial Twitter. INTEK: Jurnal Informatika dan Teknologi Informasi, 5(1), 76-80.
  5. Blesyova, N., & Hasan, F. N. (2024). Analisis
  6. Sentimen Terhadap Bea Cukai Menggunakan Support Vector Machine Dan K-Fold Cross Validation. JATI (Jurnal Mahasiswa Teknik Informatika), 8(6), 12051-12056.
  7. Abimanyu, D. (2022). Analisis Sentimen Akun
  8. Twitter Apex Legends Menggunakan VADER. Analisis Sentimen Akun Twitter Apex Legends Menggunakan VADER, 5(03), 423-431
  9. Fauziah, N. (2024). Analisis Sentimen Publik
  10. Terhadap Kenaikan Tarif PPN di Indonesia dengan Pendekatan VADER. Jurnal Akuntansi dan Keuangan, 12(2), 228-238.
  11. Ramadhan, M. F., & Siswoyo, B. (2024).
  12. Mengenal Model BERT dan Implementasinya untuk Analisis Sentimen Ulasan Game. Prosiding SISFOTEK, 8(1), 395-398.
  13. Khadapi, M., & Pakpahan, V. M. (2024).
  14. Analisis Sentimen Berbasis Jaringan LSTM dan BERT terhadap Diskusi Twitter tentang Pemilu 2024. JUKI: Jurnal Komputer dan Informatika, 6(2), 130-137.
  15. Rininda, G., Santi, I. H., & Kirom, S. (2023).
  16. Penerapan Svm Dalam Analisis Sentimen Pada Edlink Menggunakan Pengujian Confusion Matrix. JATI (Jurnal Mahasiswa Teknik Informatika), 7(5), 3335-3342.
  17. Styawati, S., Hendrastuty, N., & Isnain, A. R.
  18. (2021). Analisis sentimen masyarakat terhadap program kartu prakerja pada twitter dengan metode support vector machine. Jurnal Informatika: Jurnal Pengembangan IT, 6(3), 150-155