Analisis Sentimen Opini Publik terhadap Inovasi Teknologi pada Administrasi Publik Indonesia Menggunakan Metode IndoBERT

Komang Tya Vinandita Kusuma Dewi; Putu Hendra Suputra; I Nyoman Tri Anindia Putra

doi:10.31004/riggs.v5i2.10149

Authors

Komang Tya Vinandita Kusuma Dewi Universitas Pendidikan Ganesha
Putu Hendra Suputra Universitas Pendidikan Ganesha
I Nyoman Tri Anindia Putra Universitas Pendidikan Ganesha

DOI:

https://doi.org/10.31004/riggs.v5i2.10149

Keywords:

Anaisis Sentimen, IndoBERT, Opini Publik, Topic Modeling, Inovasi Teknologi, Dashboard

Abstract

Transformasi digital dalam administrasi publik di Indonesia mendorong pemerintah untuk meningkatkan kualitas pelayanan melalui penerapan berbagai inovasi teknologi. Namun, implementasi layanan digital pemerintah masih menghasilkan persepsi yang beragam di masyarakat yang dapat dilihat melalui opini publik pada media sosial. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap inovasi teknologi pada administrasi publik Indonesia menggunakan metode IndoBERT, mengidentifikasi topik dominan yang dibahas masyarakat menggunakan Latent Dirichlet Allocation (LDA), serta menyajikan hasil analisis dalam bentuk dashboard interaktif. Penelitian ini menggunakan pendekatan kuantitatif dengan kerangka kerja Knowledge Discovery in Database (KDD) yang terdiri dari tahapan data selection, preprocessing, transformation, data mining, dan evaluation. Data diperoleh dari media sosial X dan TikTok sebanyak 11.787 data opini yang kemudian melalui proses seleksi dan preprocessing sehingga menghasilkan 5.541 data yang digunakan untuk analisis. Klasifikasi sentimen dilakukan menggunakan model IndoBERT melalui proses fine-tuning dengan beberapa kombinasi hyperparameter. Evaluasi model dilakukan menggunakan confusion matrix, akurasi, presisi, recall, F1-Score, dan 5-Fold Cross Validation. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada epoch 4 dengan learning rate 2e-5 yang menghasilkan akurasi sebesar 75% dan F1-Score sebesar 74%. Selain itu, hasil topic modeling menghasilkan lima topik utama pada masing-masing kelas sentimen yang menggambarkan isu dominan terkait penerapan inovasi teknologi administrasi publik. Seluruh hasil analisis divisualisasikan dalam dashboard berbasis website untuk membantu pengguna memahami pola persepsi masyarakat dan mendukung evaluasi layanan digital pemerintah.

Downloads

Download data is not yet available.

References

[1] Pemerintah Pusat, “Peraturan Presiden Nomor 95 Tahun 2018 tentang Sistem Pemerintahan Berbasis Elektronik,” Menteri Huk. Dan Hak Asasi Mns. Republik Indones., p. 110, 2018.

[2] K. RI, “Laporan Pelaksanaan Evaluasi SPBE Tahun 2024,” 2024.

[3] D. of E. and S. Affairs, E-Government Survey 2024. 2024. [Online]. Available: https://www.un-ilibrary.org/content/books/9789211067286

[4] J. Juleha et al., “Peran Media Sosial Dalam Dinamika Opini Publik dan Partisipasi Politik Era Digital,” Concept J. Soc. Humanit. Educ., vol. 3, no. 1, pp. 38–45, 2024, [Online]. Available: https://doi.org/10.55606/concept.v3i1.951

[5] F. S. Pratiwi, “Peran Komunikasi Digital dalam Pembentukan Opini Publik : Studi Kasus Media Sosial,” pp. 293–315, 2024.

[6] M. R. Fahlevvi, “Analisis Sentimen Terhadap Ulasan Aplikasi Pejabat Pengelola Informasi Dan Dokumentasi Kementerian Dalam Negeri Republik Indonesia Di Google Playstore Menggunakan Metode Support Vector Machine,” J. Teknol. dan Komun. Pemerintah., vol. 4, no. 1, pp. 1–13, 2022, doi: 10.33701/jtkp.v4i1.2701.

[7] A. Farhan, A. Y. Rahman, T. Informatika, U. W. Malang, and G. P. Store, “ANALISIS SENTIMEN ULASAN APLIKASI IDENTITAS KEPENDUDUKAN DIGITAL DI GOOGLE PLAY STORE DENGAN BERT,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 3, pp. 3776–3783, 2025.

[8] A. Farhan, A. Y. Rahman, T. Informatika, U. W. Malang, and G. P. Store, “DIGITAL DI GOOGLE PLAY STORE DENGAN BERT,” vol. 9, no. 3, pp. 3776–3783, 2025.

[9] Taufiq Dwi Purnomo and Joko Sutopo, “Comparison of Pre-Trained Bert-Based Transformer Models for Regional Language Text Sentiment Analysis in Indonesia,” Int. J. Sci. Technol., vol. 3, no. 3, pp. 11–21, 2024, doi: 10.56127/ijst.v3i3.1739.

[10] C. J. L. Tobing, IGN Lanang Wijayakusuma, and Luh Putu Ida Harini, “Perbandingan Kinerja IndoBERT dan MBERT Untuk Deteksi Berita Hoaks Politik dalam Bahasa Indonesia,” JST (Jurnal Sains dan Teknol., vol. 14, no. 1, pp. 114–123, 2025, doi: 10.23887/jstundiksha.v14i1.92126.

[11] A. F. Panjalu, S. Alam, and M. I. Sulistyo, “Moba Game Review Sentiment Analysis Using Support Vector Machine Algorithm,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 2, pp. 131–137, 2023, doi: 10.33387/jiko.v6i2.6388.

[12] T. Safitri, Y. Umaidah, and I. Maulana, “Analisis Sentimen Pengguna Twitter Terhadap Grup Musik BTS Menggunakan Algoritma Support Vector Machine,” J. Appl. Informatics Comput., vol. 7, no. 1, pp. 28–35, 2023, doi: 10.30871/jaic.v7i1.5039.

[13] A. Averina, H. Hadi, and J. Siswantoro, “Analisis Sentimen Multi-Kelas Untuk Film Berbasis Teks Ulasan Menggunakan Model Regresi Logistik,” Teknika, vol. 11, no. 2, pp. 123–128, 2022, doi: 10.34148/teknika.v11i2.461.

[14] N. M. K. Sedana, I. N. S. Wijaya, and I. K. R. Artana, “ANALISIS SENTIMEN BERBAHASA INGGRIS DENGAN METODE LSTM STUDI KASUS BERITA ONLINE PARIWISATA BALI,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 6, 2024, doi: 10.25126/jtiik.2024118792.

[15] N. A. Salsabila, “ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP TOKOH GUS DUR MENGGUNAKAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM),” Braz Dent J., vol. 33, no. 1, pp. 1–12, 2022.

[16] R. Maheri, F. N. Salisah, and F. Muttakin, “Analisis sentimen ulasan aplikasi m-paspor menggunakan,” vol. 10, no. 1, pp. 448–458, 2025.