ANALISIS SENTIMEN PENGGUNA TERHADAP PLATFORM MEDIA SOSIAL X (TWITTER) PASCA AKUISISI BERBASIS WEB DENGAN METODE BERT

Abstract

ABSTRAK

            ANALISIS SENTIMEN PENGGUNA TERHADAP PLATFORM MEDIA SOSIAL X (TWITTER) PASCA AKUISISI BERBASIS WEB DENGAN METODE BERT.Twitter mengalami perubahan signifikan setelah di akuisisi oleh Elon Musk kemudian berubah nama menjadi X pada tahun 2022, yang memicu berbagai reaksi beragam dari penggunanya. Untuk mengetahui beragam reaksi tersebut, diperlukan sistem dashboard yang dapat mengolah tweets dengan metode analisis sentimen. Penelitian ini menggunakan metode Bidirectional Encoder Representations from Transformers (BERT) dengan melalui proses preprocessing, labeling, split data, dan evaluasi model. Proses fine-tuning dilakukan menggunakan proporsi dataset sebesar 80%b untuk data latih dan 20% untuk data uji. Hasil evaluasi menunjukan model mampu mencapai akurasi sebesar 51%, dengan precision 29%, recall 36%, dan F1-score 32%. Secara keseluruhan model mendeteksi sentimen negatif dengan sangat baik, namun kinerja pada sentimen positif dan netral sangat rendah sehingga perlu peningkatan. Hal tersebut juga menunjukan bahwa pandangan publik terhadap akuisisi Twitter cenderung bersifat negatif.

Kata Kunci : Analisis Sentimen, BERT, Akuisisi, Twitter, X.

ABSTRACT

            USER SENTIMENT ANALYSIS TOWARDS SOCIAL MEDIA PLATFORM X (TWITTER) POST WEB-BASED ACQUISITION USING THE BERT METHOD.Twitter underwent significant changes after being acquired by Elon Musk and renamed X in 2022, which triggered various reactions from its users. To understand these reactions, a dashboard system capable of processing tweets using sentiment analysis methods is required. This study uses the Bidirectional Encoder Representations from Transformers (BERT) method through preprocessing, labeling, data splitting, and model evaluation processes. The fine-tuning process was carried out using a dataset proportion of 80% for training data and 20% for test data. The evaluation results showed that the model was able to achieve an accuracy of 51%, with a precision of 29%, a recall of 36%, and an F1-score of 32%. Overall, the model detected negative sentiment very well, but its performance on positive and neutral sentiment was very low and needed improvement. This also shows that public opinion about Twitter acquisition tends to be negative.

Keywords: Sentiment Analysis, BERT, Acquisition, Twitter, X.