Electronic Theses and Dissertation

Penelitian ini mengkaji implementasi RoBERTa dan IndoBERT dalam analisis sentimen terkait isu perkembangan ekonomi Indonesia berdasarkan data dari platform X dan artikel berita online pada tahun 2022. Data dikumpulkan menggunakan pustaka BeautifulSoup dan Harvest Tweet Project sehingga menghasilkan 9.908 data artikel dan 21.663 data X. Hasil analisis menunjukkan bahwa 58,2% data artikel dan 35,9% data X memiliki sentimen positif sehingga mencerminkan keselarasan antara pemberitaan dan persepsi masyarakat meskipun terdapat variasi signifikan dalam beberapa periode dan perbedaan besar pada topik sensitif seperti ’kemiskinan’ dan ’pengangguran’. Model RoBERTa dengan konfigurasi hyperparameter tertentu mencapai akurasi 0,74 dengan waktu pemrosesan 3 detik untuk data X dan akurasi 0,86 dengan waktu pemrosesan 36 detik untuk data artikel sehingga menjadikannya model dengan efisiensi waktu terbaik. Sebaliknya, model IndoBERT mencapai akurasi 0,78 dengan waktu pemrosesan 50 detik untuk data X dan akurasi 0,87 dengan waktu pemrosesan 2 menit 1 detik untuk data artikel sehingga menjadikannya model dengan akurasi terbaik. Berdasarkan efisiensi waktu dan akurasi, model RoBERTa dipilih menjadi model terbaik untuk analisis sentimen data artikel dan model IndoBERT dipilih menjadi model terbaik untuk analisis sentimen data X. Kedua model tersebut, memberikan kinerja yang memuaskan dengan efisiensi waktu dan performa model yang baik sehingga efektif untuk diimplementasikan dalam analisis sentimen terkait isu perkembangan ekonomi Indonesia.

Kata kunci : Analisis Sentimen, RoBERTa, IndoBERT, Perkembangan Ekonomi, Platform X, Artikel Berita Online

This study examines the implementations of the RoBERTa and IndoBERT models in sentiment analysis related to the issue of economic development in Indonesia based on data from platform X and online news articles in 2022. Data was collected using the BeautifulSoup library and the Harvest Tweet Project, resulting in 9.908 articles data points and 21.663 X data points. The analysis results show that 58,2% of article data and 35,9% of X data have positive sentiments, reflecting an alignment between media coverage and public perception, despite significant variations in some periods and major differences on sensitive topics such as ’poverty’ and ’unemployment’. The RoBERTa model with certain hyperparameter configurations achieved an accuracyof 0,74 with a processing time of 3 seconds for X data and an accuracy of 0,86 with a processing time of 36 seconds for article data, making it the model with the best time efficiency. Conversely, the IndoBERT model achieved an accuracy of 0,78 with a processing time of 50 seconds for X data and an accuracy of 0,87 with a processing time of 2 minutes and 1 second for article data, making it the model with the best accuracy. Based on time efficiency and accuracy, the RoBERTa model was chosen as the best model for sentiment analysis of article data, while the IndoBERT model was chosen as the best model for sentiment analysis of X data. Both models provide satifactory performance with good time efficiency and model performance, making them effective for implementation in sentiment analysis related to the issue of economic development in Indonesia. Keyword : Sentiment Analysis, RoBERTa, IndoBERT, Economic Development, Platform X, Online News Articles