ANALISIS SENTIMEN TERHADAP KINERJA PRESIDEN DAN WAKIL PRESIDEN MENGGUNAKAN MODEL INDOBERT DAN XLNET = Sentiment Analysis of the President and Vice President's Performance Using the IndoBERT and XLNet Models

Media sosial kini menjadi sarana utama bagi masyarakat untuk menyampaikan pendapat terkait kinerja pemerintah. Penelitian ini bertujuan untuk mengimplementasikan dan membandingkan performa model Natural Language Processing (NLP), yaitu IndoBERT (Indonesian Bidirectional Encoder Representations from Transformers) dan XLNet, dalam menganalisis sentimen publik terhadap kinerja Presiden dan Wakil Presiden Indonesia. Data penelitian dikumpulkan dari komentar berbahasa Indonesia yang diunggah pengguna di media sosial X (Twitter) dan Youtube. Proses penelitian mencakup beberapa tahapan utama, yaitu pengumpulan data, preprocessing data (termasuk case folding, remove punctuation, normalization, stopword removal, dan stemming), pelabelan data secara manual ke dalam tiga kategori (positif, negatif, netral), pelatihan model, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Pengujian dilakukan dengan beberapa skenario pembagian data latih dan data uji. Hasil penelitian menunjukkan bahwa model IndoBERT dengan pembagian data 90:10 (90% data latih dan 10% data uji) mencapai kinerja tertinggi dengan akurasi sebesar 89%, presisi 88%, recall 87%, dan F1-score 87%. Performa ini lebih unggul dibandingkan model XLNet yang mencapai akurasi maksimal 82%. Model IndoBERT yang terbukti paling optimal kemudian diimplementasikan ke dalam sebuah sistem berbasis web untuk klasifikasi sentimen secara praktis.