Perbandingan Metode Indobert dan Xgboost dalam Analisis Sentimen Masyarakat Terkait Penutupan Tiktokshop di Platform Media Sosial Youtube (Studi Kasus : Respon Masyarakat Terhadap Penutupan TikTokShop di Media Sosial Youtube)
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terkait
penutupan TikTokShop di media sosial Youtube, dengan fokus perbandingan
antara metode IndoBERT dan metode XGBoost . Keputusan penutupan
TikTokShop telah menjadi isu kontroversial, memicu beragam respons di kalangan
pengguna media sosial. Studi ini dilaksanakan untuk memahami bagaimana
masyarakat bereaksi terhadap peristiwa tersebut, apakah dengan pandangan positif
atau negatif. Sumber data utama penelitian ini adalah komentar dan diskusi di
platform Youtube. Metode IndoBERT digunakan untuk menganalisis sentimen
dengan memanfaatkan pemodelan bahasa alami berbasis bahasa Indonesia.
Sebaliknya, metode XGBoost adalah pendekatan klasifikasi yang mengandalkan
teknik machine learning. Kedua metode ini dibandingkan untuk menilai
keefektifan mereka dalam menganalisis sentimen. Hasil penelitian memberikan
pemahaman mendalam tentang perasaan dan respons masyarakat terhadap
penutupan TikTokShop. Perbandingan antara metode IndoBERT dan XGBoost
memberikan wawasan mengenai keunggulan dan kelemahan masing-masing
metode dalam menganalisis sentimen. Hasil analisis sentimen menunjukkan
bahwa metode IndoBERT mencapai akurasi sebesar 87%, sementara XGBoost
mencapai akurasi 76%. Perbedaan ini kemungkinan disebabkan oleh kemampuan
model IndoBERT yang lebih baik dalam memahami bahasa. Temuan ini dapat
memberikan manfaat signifikan bagi manajemen media sosial, penelitian opini
publik, dan pengambilan keputusan terkait isu-isu kontroversial di platform media
sosial.
Collections
- Statistics [969]