ANALISIS SENTIMEN MASYARAKAT INDONESIA PADA PLATFROM X TERHADAP ISU FUFUFAFA MENGGUNAKAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS

Amanda Amelia; Ridwan Yusuf

doi:10.51401/jinteks.v7i1.5160

Authors

Amanda Amelia Universitas Dharma Wacana
Ridwan Yusuf Universitas Dharma Wacana

DOI:

https://doi.org/10.51401/jinteks.v7i1.5160

Keywords:

Fufufafa, Twitter, Analisis Sentimen, VADER, BERT

Abstract

Media sosial, khususnya Twitter, telah menjadi platform utama untuk menyampaikan opini, berbagi informasi, dan mempengaruhi opini publik. Fenomena “Fufufafa” yang menjadi trending di Twitter mencerminkan tingginya perhatian masyarakat terhadap isu-isu yang terkait dengan ujaran kebencian dan perilaku toxic di dunia maya. Dengan 24,85 juta pengguna aktif di Indonesia pada tahun 2023, Twitter menjadi tempat yang signifikan untuk menganalisis sentimen masyarakat. Penelitian ini bertujuan untuk memahami persepsi publik terkait isu tersebut melalui analisis sentimen menggunakan metode VADER dan BERT. Hasil analisis menunjukkan distribusi sentimen dengan 409 teks positif, 207 teks negatif, dan 575 teks netral. Metode BERT dengan kombinasi batch size 8 dan 5 epochs memberikan hasil terbaik, dengan akurasi tinggi serta evaluasi metrik yang seimbang. Temuan ini mengindikasikan pentingnya parameter pelatihan yang tepat untuk meningkatkan efektivitas model analisis sentimen. Penelitian ini memberikan wawasan opini masyarakat di media sosial, yang dapat dimanfaatkan untuk memahami isu-isu sosial dan membangun strategi komunikasi yang lebih baik di dunia digital.

References

Pradana, L. S. (2024). Analisis sentimen masyarakat media sosial twitter terhadap kinerja penjabat gubernur Dki Jakarta menggunakan model indobert (Bachelor's thesis, Fakultas Sains dan Teknologi UIN Syarif HIdayatullah Jakarta).

Goutham Jay X (Formerly Twitter Usage Statistics for 2024) https://famewall.io/statistics/twitter-stats/

D. K. Nugroho, “US presidential election 2020 prediction based on Twitter data using lexicon-based sentiment analysis,” in 2021 11th International Conference on Cloud Computing, Data Science & Engineering (Confluence), IEEE, 2021, pp. 136–141.

Puspita, A. W. (2016). “Analisis Penggunaan Media Sosial Twitter Oleh Pejabat Publik dalam Penerapan Good Governance”.

Hikmawan, S., Pardamean, A., & Nur Khasanah, S. N. (2020). Sentimen Analisis Publik Terhadap Joko Widodo Terhadap Wabah Covid-19 Menggunakan Metode Machine Learning. Jurnal Kajian Ilmiah, 20(2), 167–176. http://ejurnal.ubharajaya.ac.id/index.php/JKI

Kumar, A., dan Jaiswal, A. (2019). Systematic literature review of sentiment analysis on Twitter using soft computing techniques. Concurrency and Computation: Practice and Experience, 32(1). https://doi.org/10.1002/cpe.5107

Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In J. Burstein, C. Doran, & T. Solorio (Eds.), Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers) (pp. 4171–4186). Association for Computational Linguistics. https://doi.org/10.18653/v1/N19-1423

Ridwan Nazar “IMPLEMENTASI PEMROGRAMAN PYTHON MENGGUNAKAN GOOGLE COLAB” Jurnal Sistem Komputer Dan Informatika VOL. 15, No.1, Hal 50-56, Juni 2024.

Sjoraida, D. F., Guna, B. W. K., dan Yudhakusuma, D. (2024). Analisis Sentimen Film Dirty Vote Menggunakan BERT (Bidirectional Encoder Representations from Transformers). Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 8(2), 393-404.

Junaedi, I. , Nuswantari, N., dan Yasin, V. , “Perancangan Dan Implementasi Algoritma C4 . 5 Untuk Data Mining,” J. Inf. Syst. Informatics Comput., vol. 3, no. 1, pp. 29–44, 2019.

S. Khademolqorani dan A. Z. Hamadani, “An Adjusted Decision Support System through Data Mining and Multiple Criteria Decision Making,” in Procedia - Social and Behavioral Sciences, 2013, vol. 73, pp. 388– 395.

Rizki, M. F., Auliasari, K., dan Primaswara Prasetya, R. (2021). Analisis Sentiment Cyberbullying Pada Sosial Media Twitter Menggunakan Metode Support Vector Machine. JATI (Jurnal Mahasiswa Teknik Informatika), 5(2), 548–556. https://doi.org/10.36040/jati.v5i2.3808

Lengkong, N. C., Safitri, O., Machsus, S., Putra, Y. R., Syahadati, A., dan Nooraeni, R. (2021). Analisis Sentimen Penerapan Psbb Di Dki Jakarta Dan Dampaknya Terhadap Pergerakan Ihsg. Jurnal Teknoinfo, 15(1), 20. https://doi.org/10.33365/jti.v15i1.866

Grover, R. M. (2021). Embracing Technology: Get Tech-Savvy by Learning About Your Computer, Smartphone, Internet, and Social Media Applications. BPB Publications, India.

Wilie, B., Vincentio, K., Winata, G. I., Cahyawijaya, S., Li, X., Lim, Z. Y., Soleman, S., Mahendra, R., Fung, P., Bahar, S., dan Purwarianti, A. (2020). IndoNLU: Benchmark and Resources for Evaluating Indonesian Natural Language Understanding (arXiv:2009.05387). arXiv. https://doi.org/10.48550/arXiv.2009.05387

Feldman, R., dan Sanger, J. (2007). The text mining handbook: Advanced approaches in analyzing unstructured data. Cambridge university press. Hootsuite (We are Social): Indonesian

L. Geni, E. Yulianti, dan D. I. Sensuse, “Sentiment Analysis of Tweets Before the 2024 Elections in Indonesia Using IndoBERT Language Models,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI), vol. 9, no. 3, pp. 746– 757, 2023, doi: 10.26555/jiteki.v9i3.26490.

Fajri, F., Tutuko, B., dan Sukemi, (2022).Membandingkan Nilai Akurasi BERT dan DistilBERT pada Dataset Twitter, JUSIFO: Jurnal Sistem Informasi, 8(2), 71-80.

Singh, A. Kumar, N. Dua, V. K. Mishra, D. Singh, dan A. Agrawal, “Predicting Elections Results using Social Media Activity A Case Study: USA Presidential Election 2020,” in 2021 7th International Conference on Advanced Computing and Communication Systems, ICACCS 2021, Institute of Electrical and Electronics Engineers Inc., Mar. 2021, pp. 314–319. doi: 10.1109/ICACCS51430.2021.9441835.

Aljabar, A., dan Karomah, B.M., (2024). Mengungkap Opini Publik: Pendekatan BERT-based-caused untuk Analisis Sentimen pada Komentar Film, JSCE, 5(1).

Abimanyu, D., Budianita, E., Cyntia, E.P., Yanto, F., Yusra. (2022). Analisis Sentimen Akun Twitter Apex Legends Menggunakan VADER, Jurnal Nasional Komputasi dan Teknologi Informasi, 5(3).