CD Skripsi
Komparasi Algoritma Bert Dan Algoritma Naive Bayes Classifier (NBC) Pada Analisis Sentimen Masyarakat Terhadap Kehadiran Starlink Di Indonesia
ABSTRAK
JASON NATHANIEL NOTANUBUN, 2025. Komparasi Algoritma BERT Dan Naive Bayes Classifier (NBC) Pada Analisis Sentimen Masyarakat Terhadap kehadiran Starlink Di Indonesia (dibimbing oleh Markani dan Akbar Hendra)
Permasalahan yang terjadi adalah kehadiran starlink di Indonesia memunculkan beragam opini masyarakat di media sosial, khususnya pada platform X (Twitter). Oleh karena itu, Peneliti menawarkan Solusi dari permasalahan tersebut dengan Analisis sentimen untuk memahami persepsi publik, baik positif, netral, maupun negatif. Penelitian ini bertujuan untuk membandingkan performa algoritma Bidirectional Encoder Representations from Transformers (BERT) dan Naive Bayes Classifier (NBC) dalam analisis sentimen, sekaligus mengidentifikasi kecenderungan opini masyarakat terhadap kehadiran Starlink. Data ini diperoleh melalui studi pustaka dan API Twitter dengan bantuan tools Tweet Harvester berbasis Python. Metode yang digunakan dalam penelitian adalah dilakukan secara sistematis melalui beberapa tahap, dimulai dari studi literatur, pengambilan data, pra-pemrosesan teks, klasifikasi dengan algoritma BERT dan NBC, hingga evaluasi hasil menggunakan akurasi, presisi, dan recall. Hasil Penelitian ini menunjukkan BERT memperoleh akurasi 55%, macro precision 64%, dan macro recall 48% dengan keunggulan pada sentimen positif serta performa seimbang antar kelas. Sementara itu, NBC meraih akurasi 54,40%, macro precision 69,64%, dan macro recall 42,56%, lebih unggul pada recall kelas positif namun lemah di kelas negatif dan netral. Secara umum, analisis sentiment mengungkap mayoritas opini masyarakat bersifat positif, diikuti sentimen netral, dan sebagian kecil negatif.
Kata Kunci: Analisis Sentimen, Starlink, Media Sosial X, BERT, Naive Bayes
Tidak tersedia versi lain