PERBANDINGAN MODEL INDOBERT DAN INDONESIAN ROBERTA BASE DALAM ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP TIMNAS INDONESIA DI KUALIFIKASI PIALA DUNIA 2026

Abstract

Perkembangan teknologi pemrosesan bahasa alami (Natural Language Processing/NLP) memungkinkan analisis opini publik di media sosial dilakukan secara lebih efektif, termasuk terhadap topik olahraga nasional seperti performa Tim Nasional Indonesia pada Kualifikasi Piala Dunia 2026. Penelitian ini bertujuan membandingkan performa dua model Transformer berbahasa Indonesia, yaitu IndoBERT dan Indonesian RoBERTa Base, dalam analisis sentimen terhadap tweet pengguna Twitter mengenai Timnas Indonesia, serta menilai pengaruh class weighting dan Bayesian Optimization terhadap peningkatan performa model. Data penelitian terdiri dari 4.676 tweet yang dikumpulkan dari akun resmi @TimnasIndonesia, melalui tahap pembersihan, pelabelan otomatis menggunakan InSet Lexicon, pembagian data secara stratified, tokenisasi, penerapan class weighting, dan penyetelan hyperparameter dengan Bayesian Optimization. Hasil menunjukkan bahwa IndoBERT memiliki performa lebih unggul dengan akurasi 76,66% dan F1-score 71,60%, sedangkan Indonesian RoBERTa Base mencapai akurasi 74,30% dan F1-score 68,92%.