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.