Analisis Sentimen dan Pemodelan Topik terhadap Layanan TransJakarta di Twitter/X Menggunakan IndoBERT dan BERTopic

Eldy, Zachariah (2026) Analisis Sentimen dan Pemodelan Topik terhadap Layanan TransJakarta di Twitter/X Menggunakan IndoBERT dan BERTopic. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (577kB)
	PDF BAB_I.pdf Download (264kB)
	PDF BAB_II.pdf Download (463kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (508kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (226kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (294kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)
	Archive (ZIP) 00000068627_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

TransJakarta merupakan salah satu layanan transportasi perkotaan utama di DKI Jakarta yang banyak digunakan dan dibahas oleh pengguna Twitter/X. Penelitian ini bertujuan menganalisis sentimen serta memodelkan topik percakapan pengguna terhadap layanan TransJakarta menggunakan IndoBERT dan BERTopic. Data dikumpulkan dari Twitter/X pada periode 1 Desember 2025 hingga 7 Mei 2026. Setelah melalui tahap data selection, data cleaning, dan data transformation, diperoleh 14.114 data bersih. Pelabelan awal dilakukan secara otomatis menggunakan Indonesian RoBERTa, kemudian seluruh data hasil pelabelan digunakan untuk proses fine-tuning IndoBERT dengan pembagian training, validation, dan testing sebesar 80:10:10. Hasil evaluasi IndoBERT pada data testing menunjukkan accuracy sebesar 86,40% dan weighted F1-score sebesar 86,36%. Model hasil fine- tuning kemudian digunakan untuk memprediksi seluruh data bersih. Hasil prediksi menunjukkan bahwa sentimen pengguna didominasi oleh sentimen netral sebanyak 7.619 data, diikuti sentimen negatif sebanyak 6.007 data, dan sentimen positif sebanyak 488 data. Pemodelan topik menggunakan BERTopic dilakukan secara terpisah pada setiap kelas sentimen dengan outlier reduction menggunakan threshold 0,30. Hasil pemodelan menghasilkan 9 topik valid pada masing-masing kelas sentimen, dengan nilai rata-rata C_V coherence score sebesar 0,474 pada sentimen negatif, 0,414 pada sentimen netral, dan 0,361 pada sentimen positif, yang menunjukkan bahwa topik pada sentimen negatif memiliki keterkaitan antar kata paling baik dibandingkan sentimen netral dan positif.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Eldy, Zachariah (00000068627)
Contributors:	Faza, Ahmad
Keywords:	Analisis sentimen, BERTopic, IndoBERT, Pemodelan topik, TransJakarta
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	27 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/48210

Actions (login required)

View Item