Analisis Sentimen Tweet terhadap Performa Timnas Indonesia pada Kualifikasi Piala Dunia 2026 Menggunakan IndoBERT dan LSTM

Suhaimi, Didi (2026) Analisis Sentimen Tweet terhadap Performa Timnas Indonesia pada Kualifikasi Piala Dunia 2026 Menggunakan IndoBERT dan LSTM. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (4MB)
	PDF BAB_I.pdf Download (2MB)
	PDF BAB_II.pdf Download (5MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (6MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (6MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (699kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (1MB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000075186_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Media sosial X (sebelumnya Twitter) menjadi salah satu sarana masyarakat dalam menyampaikan opini terhadap berbagai isu, termasuk performa Timnas Indonesia pada Kualikasi Piala Dunia 2026. Besarnya jumlah tweet yang dihasilkan menjadikan analisis sentimen sebagai pendekatan yang efektif untuk mengidentikasi kecenderungan opini publik secara otomatis. Penelitian ini bertujuan membangun model Hybrid IndoBERT-LSTM untuk analisis sentimen tweet berbahasa Indonesia terkait performa Timnas Indonesia. Data dikumpulkan melalui proses scraping sebanyak 3.190 tweet, kemudian diberi label secara otomatis menggunakan kamus sentimen domain sepak bola yang dilengkapi dengan penanganan negasi dan pembobotan intensitas sentimen. Selanjutnya dilakukan tahap preprocessing, tokenisasi menggunakan IndoBERT, optimasi hiperparameter menggunakan Optuna, serta pelatihan model Hybrid IndoBERT-LSTM. Hasil penelitian menunjukkan bahwa Optuna menghasilkan kombinasi learning rate terbaik sebesar 3.40 × 10-5 untuk IndoBERT dan 2.29 × 10-4 untuk LSTM. Model yang diusulkan memperoleh akurasi sebesar 93,26%, precision sebesar 91,20%, recall sebesar 92,48%, dan F1-score macro sebesar 91,81% pada data uji. Berdasarkan hasil tersebut, dapat disimpulkan bahwa model Hybrid IndoBERT- LSTM yang dipadukan dengan pelabelan otomatis berbasis kamus sentimen domain sepak bola, penanganan negasi, serta optimasi hiperparameter menggunakan Optuna mampu mengklasikasikan sentimen publik ke dalam kategori positif, netral, dan negatif dengan kinerja yang baik. Model yang dihasilkan diharapkan dapat menjadi alternatif dalam analisis sentimen tweet berbahasa Indonesia, khususnya yang berkaitan dengan performa Timnas Indonesia pada Kualikasi Piala Dunia 2026.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Suhaimi, Didi (00000075186)
Contributors:	Kusuma, A. A. N. Ananda (8984101024)
Keywords:	Analisis Sentimen; Hybrid IndoBERT-LSTM; Optuna; Timnas Indonesia; Twitter/X
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	29 Jul 2026 12:01
URI:	https://kc.umn.ac.id/id/eprint/48647

Actions (login required)

View Item