PENERAPAN INDOBERT UNTUK KLASIFIKASI SENTIMEN DALAM KOMENTAR TERHADAP KEBIJAKAN WORK FROM HOME (WFH) NASIONAL DI MEDIA SOSIAL

Work From Home (WFH) diterapkan di Indonesia pada tahun 2020 sebagai respons terhadap pandemi COVID-19 dan kembali diwacanakan pada tahun 2026 untuk mendukung efisiensi energi nasional, sehingga memunculkan beragam opini masyarakat di platform X (Twitter) yang sulit dianalisis secara manual karena jumlah data yang besar dan karakteristik teks yang tidak terstruktur. Penelitian ini bertujuan mengklasifikasikan sentimen masyarakat menggunakan IndoBERT, membandingkan performanya dengan BiLSTM, serta menganalisis perubahan pola sentimen pada kedua periode. Data sebanyak 3.000 komentar dikumpulkan melalui web scraping menggunakan Selenium dan undetected_chromedriver, kemudian diberi label dengan pendekatan hybrid labeling menggunakan Gemini dan validasi manual. Kualitas pelabelan menunjukkan nilai Cohen's Kappa sebesar 0,7151. Data diproses melalui tahapan preprocessing dan diekstraksi menggunakan WordPiece Tokenizer sebelum dilakukan pelatihan model. Hasil penelitian menunjukkan IndoBERT menghasilkan akurasi terbaik sebesar 85,50% dan macro F1-score sebesar 80,53%, lebih tinggi dibandingkan BiLSTM yang memperoleh akurasi 73,83% dan macro F1-score 62,96%. Analisis sentimen menunjukkan dominasi sentimen negatif pada tahun 2020 dan sentimen netral pada tahun 2026. Hasil ini menunjukkan bahwa IndoBERT efektif untuk klasifikasi sentimen berbahasa Indonesia serta mampu menggambarkan perubahan persepsi masyarakat terhadap kebijakan WFH.