ANALISIS SENTIMEN PUBLIK TERKAIT 17+8 TUNTUTAN RAKYAT MENGGUNAKAN MODEL HIBRIDA INDOBERT-BILSTM PADA TEKS AUTENTIK MEDIA SOSIAL X

Penelitian ini menganalisis sentimen publik terhadap gerakan "17+8 Tuntutan Rakyat" pada platform media sosial X menggunakan model hibrida IndoBERT-BiLSTM. Gerakan yang muncul pasca demonstrasi Agustus 2025 ini belum pernah dikaji secara komputasional, sehingga pemetaan opini publik secara sistematis menjadi urgensi utama penelitian ini. Sebanyak 1.570 data teks autentik dikumpulkan melalui scraping berdasarkan kata kunci terkait, kemudian dilabeli secara manual ke dalam tiga kelas sentimen: positif, negatif, dan netral. Pendekatan preprocessing ringan diterapkan untuk mempertahankan integritas semantik teks autentik tanpa melakukan stopword removal, stemming, lemmatization, maupun normalisasi leksikal berlebihan seperti perluasan singkatan dan bahasa gaul. Model hibrida IndoBERT-BiLSTM dikembangkan melalui proses fine-tuning dan dievaluasi secara komparatif terhadap model IndoBERT dan BiLSTM sebagai baseline. Hasil evaluasi menunjukkan model hibrida mencapai performa terbaik dengan accuracy 65%, Macro F1-score 61%, dan Weighted F1-score 66%, mengungguli kedua model pembanding. Distribusi sentimen publik didominasi kelas netral (52,87%), diikuti positif (35,10%), dan negatif (12,04%). Penelitian ini membuktikan bahwa pendekatan hibrida Transformer-Sequential efektif untuk analisis sentimen teks politik berbahasa Indonesia yang bersifat autentik, informal, dan kompleks secara pragmatik, sekaligus menegaskan bahwa preprocessing ringan tidak menghambat performa model dalam konteks teks media sosial.