ANALISIS SENTIMEN DAN PEMODELAN TOPIK PADA POST TENTANG MEREK TEKNOLOGI DI MEDIA SOSIAL X MENGGUNAKAN FINE-TUNING INDOBERT DAN BERTOPIC

Muhammad Rayhan Nur, - and Yudi Wibisono, - and Rani Megasari, - (2025) ANALISIS SENTIMEN DAN PEMODELAN TOPIK PADA POST TENTANG MEREK TEKNOLOGI DI MEDIA SOSIAL X MENGGUNAKAN FINE-TUNING INDOBERT DAN BERTOPIC. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Media sosial telah menjadi wadah bagi konsumen untuk menyampaikan persepsi dan opini. Opini yang beredar tersebut berpotensi menjadi sumber data yang berharga bagi brand, termasuk Xiaomi, dalam memahami persepsi publik terhadap produk mereka. Penelitian ini bertujuan untuk menganalisis sentimen dan mengidentifikasi topik diskusi pada unggahan (post) mengenai merek teknologi Xiaomi di platform X (sebelumnya Twitter) dengan pendekatan berbasis Transformer. Dua metode utama yang digunakan adalah fine-tuning IndoBERT untuk model klasifikasi sentimen dan BERTopic untuk pemodelan topik. Data yang berhasil dikumpulkan sebanyak 10.130 post dari bulan Mei 2023 hingga Mei 2025 yang dilanjutkan menuju tahapan praproses serta pelabelan. Model klasifikasi dilatih dengan berbagai kombinasi konfigurasi hyperparameter, dengan hasil pengujian terbaik menghasilkan nilai accuracy 79,8%, precision 73,0%, recall 67,7%, dan f1-score (macro) sebesar 0,699. Distribusi sentimen dalam data menunjukkan dominasi sentimen netral, sedangkan BERTopic berhasil menghasilkan 16 cluster topik dengan rata-rata nilai coherence (C_v) sebesar 0,5437. Topik paling dominan dengan jumlah anggota cluster terbanyak membahas mengenai produk Xiaomi Series dan Poco. Topik dengan persentase sentimen negatif tertinggi berkaitan dengan layanan service center, dan sentimen positif tertinggi mengenai produk komputer tablet (tab) Xiaomi. Penggabungan hasil analisis sentimen dan pemodelan topik memberikan pemahaman yang lebih mendalam terhadap isu yang dibicarakan serta persepsi konsumen sekaligus memberikan wawasan yang relevan bagi perusahaan untuk mengidentifikasi kekuatan dan potensi peningkatan yang dapat dilakukan. Social media has become a platform for consumers to express their perceptions and opinions. These circulating opinions have the potential to be a valuable source of data for brands, including Xiaomi, in understanding public perception of their products. This study aims to analyze sentiment and identify discussion topics in posts about the Xiaomi technology brand on platform X (formerly Twitter) using a Transformer-based approach. Two main methods used are fine-tuning IndoBERT for sentiment classification models and BERTopic for topic modeling. Data collected amounted to 10,130 posts from May 2023 to May 2025, which proceeded to the preprocessing and labeling stages. The classification model was trained with various combinations of hyperparameter configurations, with the best test results producing an accuracy of 79.8%, a precision of 73.0%, a recall of 67.7%, and an f1-score (macro) of 0.699. The distribution of sentiment in the data shows a dominance of neutral sentiment, while BERTopic successfully generated 16 topic clusters with an average coherence value (C_v) of 0.5437. The most dominant topic, with the largest number of cluster members, discussed Xiaomi Series and Poco products. The topic with the highest percentage of negative sentiment related to service center services, and the highest positive sentiment concerned Xiaomi tablet computers (tabs). Combining sentiment analysis and topic modeling results provides a deeper understanding of the issues discussed and consumer perceptions, while providing relevant insights for the company to identify strengths and potential improvements.

	Text S_KOM_2100192_Title.pdf Download (600kB)
	Text S_KOM_2100192_Chapter1.pdf Download (284kB)
	Text S_KOM_2100192_Chapter2.pdf Restricted to Staf Perpustakaan Download (2MB)
	Text S_KOM_2100192_Chapter3.pdf Download (269kB)
	Text S_KOM_2100192_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_KOM_2100192_Chapter5.pdf Download (252kB)

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=en&user=Q8ZlCYoAAAAJ&view_op=list_works&gmla=AH8HC4zy31N20LBUxnqxPGFEyPXlLsPONmbIJSWoV2PlF3ouHld1Cxnu9JBOWMul2Y91erYDmyNw0V2vSRQoQo-U ID SINTA Dosen Pembimbing: Yudi Wibisono: 260167 Rani Megasari: 5992674
Uncontrolled Keywords:	Media Sosial X, Analisis Sentimen, Pemodelan Topik, IndoBERT, BERTopic Social Media X, Sentiment Analysis, Topic Modeling, IndoBERT, BERTopic
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Muhammad Rayhan Nur
Date Deposited:	08 Sep 2025 07:10
Last Modified:	08 Sep 2025 07:10
URI:	http://repository.upi.edu/id/eprint/138111

Actions (login required)

View Item