ANALISIS SENTIMEN PROGRAM NATURALISASI TIM NASIONAL SEPAK BOLA INDONESIA PADA MEDIA SOSIAL X MENGGUNAKAN INDOBERT EMBEDDING DAN CONVOLUTIONAL NEURAL NETWORK

Vidyananta, I Putu Arya (2026) ANALISIS SENTIMEN PROGRAM NATURALISASI TIM NASIONAL SEPAK BOLA INDONESIA PADA MEDIA SOSIAL X MENGGUNAKAN INDOBERT EMBEDDING DAN CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2215091079-COVER.pdf
Download (1MB)
[img] Text (ABSTRAK)
2215091079-ABSTRAK.pdf
Download (384kB)
[img] Text (BAB 1 PENDAHULUAN)
2215091079-BAB 1 PENDAHULUAN.pdf
Download (413kB)
[img] Text (BAB 2 KAJIAN TEORI)
2215091079-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2215091079-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (683kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2215091079-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2215091079-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (365kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2215091079-DAFTAR PUSTAKA.pdf
Download (368kB)
[img] Text (LAMPIRAN)
2215091079-LAMPIRAN.pdf
Download (1MB)

Abstract

Program naturalisasi pemain Tim Nasional Sepak Bola Indonesia menimbulkan beragam tanggapan di kalangan masyarakat, khususnya di media sosial X. Perbedaan pandangan tersebut mendorong perlunya analisis sentimen untuk memahami kecenderungan opini publik terhadap program naturalisasi. Penelitian ini bertujuan untuk memodelkan analisis sentimen, mengevaluasi performa model klasifikasi, serta mengidentifikasi kecenderungan sentimen masyarakat terhadap program naturalisasi Tim Nasional Sepak Bola Indonesia. Data penelitian berupa tweet berbahasa Indonesia yang dikumpulkan dari platform X pada periode 1 Januari 2024 hingga 31 Desember 2025 dengan total 12.173 tweet. Berdasarkan hasil pelabelan, distribusi sentimen terdiri dari 48,7% sentimen negatif, 17,7% sentimen netral, dan 33,6% sentimen positif. Metode yang digunakan adalah IndoBERT embedding untuk merepresentasikan teks dengan memahami makna kata sesuai dengan posisinya dalam kalimat. Hasil tersebut kemudian diproses menggunakan Convolutional Neural Network (CNN) yang berfungsi sebagai model klasifikasi sentimen ke dalam tiga kelas, yaitu positif, negatif, dan netral. Evaluasi performa model dilakukan menggunakan skema K-Fold Cross Validation 5 dan 10 dengan variasi ukuran kernel 2, 3, dan 5 serta penerapan Synthetic Minority Oversampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa model CNN dengan kernel size 2 dan 3 menghasilkan performa yang lebih baik dibandingkan kernel size 5. Performa terbaik tanpa penerapan SMOTE diperoleh pada konfigurasi kernel size 3 dengan 10-fold cross validation, dengan nilai akurasi sebesar 0,89304 dan f1-score sebesar 0,87496.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Analisis Sentimen, Convolutional Neural Network, IndoBERT Embedding, Media Sosial X, Naturalisasi.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1)
Depositing User: I PUTU ARYA VIDYANANTA
Date Deposited: 09 Apr 2026 03:01
Last Modified: 09 Apr 2026 03:01
URI: http://repo.undiksha.ac.id/id/eprint/28907

Actions (login required)

View Item View Item