Rancang Bangun Sistem Analisis Sentimen Opini Publik Multi-Source Berbasis Pemahaman Konteks Menggunakan Fine-Tuning IndoBERT (Studi Kasus Universitas Negeri Padang)

Reyhan Putra Febrian, Yulia Fatmi, Syafrijon Syafrijon, Randi Proska Sandra

Abstract


Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen opini publik multi-source berbasis aplikasi web interaktif guna memfasilitasi pemantauan persepsi masyarakat terhadap Universitas Negeri Padang. Pendekatan yang digunakan mengintegrasikan model pemrosesan bahasa alami berbasis Transformer, yakni fine-tuned IndoBERT, yang dieksekusi melalui arsitektur Client Server (Next.js dan FastAPI), serta dilengkapi dengan mekanisme Hybrid Inference Logic (Lexicon-based override) untuk memproses data secara batch processing. Hasil evaluasi menggunakan Confusion Matrix menunjukkan bahwa model IndoBERT mencapai akurasi sebesar 95% dalam mengklasifikasikan 3.411 baris data uji, dengan precision tertinggi mencapai 97% pada sentimen positif dan recall sebesar 96% pada sentimen negatif. Implementasi infrastruktur ini terbukti andal dalam menangani beban komputasi teks dari berbagai platform digital (X, Instagram, Portal Berita) tanpa kendala latensi. Dampak dari inovasi ini adalah terciptanya solusi Decision Support System (DSS) yang skalabel, akurat, dan adaptif untuk memberikan landasan evaluasi dan pengambilan keputusan institusional yang objektif.

Keywords


Analisis Sentimen, Decision Support System, IndoBERT, Inferensi Hibrida, Multi-Source, NLP, Opini Publik.

Full Text:

PDF

References


Afifah, L. A., & Dedi Gunawan. (2025). Analisis Sentimen Pengguna X terhadap IKN Menggunakan Word2Vec dan IndoBERT Luthfiana. 7, 864–874. https://doi.org/10.30865/json.v7i3.9468

Daniati, E., Nugroho, A., Ristyawan, A., & Utama, H. (2026). Perbandingan Kinerja Algoritma SVM , LSTM , dan Fine- tuned IndoBERT dalam Analisis Sentimen Opini Masyarakat Indonesia terhadap Mobil Listrik. 5(1), 1–13. https://doi.org/10.59095/ijcsr.v5i1.245

Geni, L., Yulianti, E., & Sensuse, D. I. (2023). Sentiment Analysis of Tweets Before the 2024 Elections in Indonesia Using Bert Language Models. Jurnal Ilmiah Teknik Elektro Komputer Dan Informatika, 9(3), 746–757. https://doi.org/10.26555/jiteki.v9i3.26490

Khairul, M. F. R., & Perdana, R. S. (2024). Arsitektur Sistem Percakapan Otomatis Berbahasa Indonesia dengan Normalisasi Bahasa Informal Menjadi Baku. Jurnal Teknologi Informasi Dan Ilmu Komputer, 11(5), 1009–1016. https://doi.org/10.25126/jtiik.2024117984

Koto, F., Rahimi, A., Lau, J. H., & Baldwin, T. (2020). IndoLEM and IndoBERT: A Benchmark Dataset and Pre-trained Language Model for Indonesian NLP. COLING 2020 - 28th International Conference on Computational Linguistics, Proceedings of the Conference, 757–770. https://doi.org/10.18653/v1/2020.coling-main.66

Maysara, A. L., & Muljono. (2026). Optimalisasi Akurasi dan Stabilitas Analisis Sentimen Ulasan E-Commerce Indonesia melalui Fine-Tuning Transformer IndoBERT. 17(01), 9–17. https://doi.org/10.35970/infotekmesin.v17i1.3037

Muhammad Samsu Hidayattullah, Muhammad Izman Herdiansyah, Heri Suroyo, & Ade Putra. (2025). Pengembangan Sistem Pendaftaran dan Pengelolahan Laporan Magang di Kominfo Kota Palembang Berbasis Website Menggunakan Next Js dan Express. Jurnal Informatika Dan Tekonologi Komputer (JITEK), 5(3), 90–99. https://doi.org/10.55606/jitek.v5i3.8397

Munir, R. A. (2025). Analisis Sentimen Cuitan Di Media Sosial X Tentang Program Makan Bergizi Gratis Dengan Metode Nlp. Jurnal Informatika Dan Teknik Elektro Terapan, 13(3), 589–595. https://doi.org/10.23960/jitet.v13i3.6912

Nugraha, B. (2020). Metode Klasifikasi Analisis Sentimen pada Media Sosial. Syntax : Jurnal Informatika, 9(2), 119–123. https://doi.org/10.35706/syji.v9i2.3593

Rafianto, G., & Voutama, A. (2025). Implementasi Basis Data Terstruktur Dengan Pencegahan Sql Injection Pada Sistem Manajemen Penjualan. Jurnal Informatika Dan Teknik Elektro Terapan, 13(2). https://doi.org/10.23960/jitet.v13i2.6354

Rizkia, A. S., Wufron, & Roji, F. F. (2025). Sentiment Analysis of Coretax: A Comparison of Manual, Transformers- Based, and Lexicon-Based Data Labeling on IndoBERT Performance. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(3), 1037–1048. https://doi.org/10.57152/malcom.v5i3.2151

Yanti, N. M. N. F., Paramitha, A. A. I. I., & Dewi, E. G. A. (2024). Rancang Bangun Sistem Informasi Bimbingan Konseling Pada Sma Negeri 1 Baturiti Dengan Metode Waterfall. Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI), 13(3), 117–128. https://doi.org/10.23887/karmapati.v13i3.87662

Yoga Pratama, A., Ananda Sanjaya, G., Khairunisa Lubis, N., & Rangga Aditya, M. (2025). Analisis Sentimen Publik Terkait Danantara Menggunakan Algoritma IndoBERT pada Platform Media Sosial. METIK JURNAL VOLUME 9 NO.1, 9(1), 2025. https://doi.org/10.47002/metik.v9i1.1055




DOI: https://doi.org/10.17509/ijdb.v6i1.104364

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Universitas Pendidikan Indonesia (UPI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Indonesian Journal of Digital Business is published by Universitas Pendidikan Indonesia (UPI)
and managed by Department of Digital Business
Jl. Dr. Setiabudi No.229, Kota Bandung, Indonesia - 40154
View My Stats