ANALISIS SENTIMEN PENGGUNA X TERHADAP SENGKETA ROYALTI MUSIK DI RUANG PUBLIK DENGAN MENGGUNAKAN MODEL INDOBERT

Implementasi kebijakan regulasi royalti musik oleh Lembaga Manajemen Kolektif Nasional (LMKN) di Indonesia memicu opini publik di media sosial X. Pengolahan opini publik dalam jumlah besar secara manual memiliki risiko subjektivitas dan ketidakkonsistenan pelabelan. Penelitian ini bertujuan untuk meningkatkan objektivitas pemetaan sikap publik serta melakukan fine-tuning pada model Indonesian Bidirectional Encoder Representations from Transformers (IndoBERT) agar mampu memahami konteks dan nuansa bahasa terkait isu. Penelitian dilaksanakan melalui tahapan pengumpulan data dari platform X, preprocessing teks, pelabelan sentimen menggunakan InSet Lexicon, pembagian dataset dengan stratified sampling, fine-tuning model IndoBERT, hyperparameter tuning, serta evaluasi performa model menggunakan metrik accuracy, precision, recall, dan F1-score. Model mencapai titik performa optimal pada kombinasi parameter learning rate 5e-5, batch size 16, dan max epoch 9 dengan accuracy sebesar 82,83%, F1-score sebesar 81,34%, dan validation loss sebesar 1,292957. Masalah ketidakseimbangan data yang ekstrem pada data tes (negatif: 216, positif: 59, netral: 22 sampel) menjadi penyebab utama adanya bias performa ke arah kelas mayoritas, yang dipertegas oleh nilai macro average F1-score sebesar 0,61. Dapat disimpulkan bahwa model IndoBERT yang di-fine-tuning sangat efektif untuk pemetaan sentimen berbahasa Indonesia, namun rentan terhadap bias klasifikasi pada kondisi data yang imbalanced.