PERBANDINGAN INDOBERT DAN MBERT UNTUK ANALISIS SENTIMEN BAHASA JAWA PADA MEDIA SOSIAL X

Media sosial X menjadi sarana utama masyarakat dalam menyampaikan opini, termasuk dalam Bahasa Jawa. Namun, analisis sentimen terhadap teks berbahasa Jawa masih terbatas karena karakteristik linguistiknya yang berbeda serta minimnya model yang secara khusus menangani bahasa daerah. Permasalahan utama penelitian ini adalah bagaimana mengklasifikasikan sentimen Bahasa Jawa secara efektif serta membandingkan kinerja model IndoBERT dan mBERT. Penelitian ini menerapkan pendekatan deep learning berbasis transformer untuk analisis sentimen tiga kelas, yaitu positif, negatif, dan netral. Metode penelitian meliputi pengumpulan data dari media sosial X, pelabelan sentimen secara manual, preprocessing data berupa cleaning data dan case folding, serta pembagian data latih dan data uji dengan rasio 80:20. Proses pemodelan dilakukan menggunakan IndoBERT dan mBERT, kemudian dievaluasi menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua model mampu melakukan klasifikasi sentimen dengan baik, namun IndoBERT menghasilkan performa yang lebih unggul dengan akurasi 0.7959 dibandingkan mBERT.yang hanya 0.7643. Hal ini disebabkan IndoBERT lebih mampu menangkap karakteristik linguistik bahasa lokal. Kesimpulannya, IndoBERT lebih efektif digunakan untuk analisis sentimen Bahasa Jawa pada media sosial X dibandingkan mBERT.