ANALISIS SENTIMEN KOMENTAR TIMNAS INDONESIA MENGGUNAKAN METODE DEEP LEARNING BERBASIS MODEL TRANSFORMER INDOBERT

Meningkatnya popularitas Timnas Indonesia di media sosial, khususnya Instagram, memicu tingginya volume komentar suporter yang mencerminkan opini publik. Namun, analisis sentimen secara manual terhadap ribuan komentar di akun @timnasindonesia menjadi tidak efisien dan rentan terhadap bias subjektivitas. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi analisis sentimen berbasis web menggunakan metode Deep Learning dengan menggunakan model IndoBERT (Indonesian Bidirectional Encoder Representations from Transformers). Data yang digunakan berjumlah 2.400 komentar yang diklasifikasikan ke dalam tiga kelas: positif, netral, dan negatif. Proses pengembangan sistem menggunakan framework Streamlit dan metodologi fine-tuning pada arsitektur indobert-base-p1. Hasil pengujian menunjukkan bahwa model IndoBERT mampu mencapai performa yang optimal dengan nilai Accuracy sebesar 80,42%, Precision 81,02%, Recall 80,42%, dan F1-Score 80,57%. Implementasi sistem ini memberikan transparansi hasil melalui visualisasi Gauge Chart dan rincian kalkulasi Softmax, sehingga memudahkan analis dalam memahami dinamika emosi publik secara cepat dan akurat. Kesimpulannya, penggunaan model IndoBERT sangat efektif dalam menangani karakteristik bahasa non-formal pada komentar media sosial di Indonesia.