Perbandingan Algoritma XGBoost dan Model IndoBERT dalam klasifikasi komentar publik pada platform media sosial Layanan Digital Pemerintah

Transformasi media sosial di Indonesia mendorong masyarakat menyampaikan pendapat, keluhan, dan apresiasi terhadap layanan digital pemerintah secara terbuka. Volume komentar yang terus meningkat membuat analisis manual kurang efisien sehingga diperlukan klasifikasi otomatis. Penelitian ini membandingkan kinerja Logistic Regression (LR), Extreme Gradient Boosting (XGBoost), dan IndoBERT dalam mengklasifikasikan komentar publik pada Instagram dan TikTok mengenai layanan BPJS Kesehatan, Coretax, dan Program Makan Bergizi Gratis (MBG) ke dalam tiga kelas: keluhan, saran, dan pujian. Dataset terdiri atas 64.349 komentar, mencakup 18.534 data berlabel manual dan 45.815 data pseudo-label yang divalidasi melalui spot check per band confidence dan validasi multi-annotator. Ketidakseimbangan distribusi kelas diatasi melalui undersampling, disertai perbaikan tahapan data preprocessing (negation handling dan stemming protection) pada model berbasis TF-IDF. Pengujian dilakukan pada beberapa skenario pembagian data, mulai dari data berlabel manual saja hingga gabungannya dengan data pseudo-label dengan ukuran data latih dan data uji yang disesuaikan pada tiap skenario, guna mengukur dampak penambahan data terhadap kinerja model. Hasil penelitian menunjukkan IndoBERT memberikan kinerja terbaik saat dilatih dan diuji menggunakan gabungan data manual dan pseudo-label, dengan Macro F1-score 93,12%, mengungguli LR maupun XGBoost. Temuan ini menunjukkan model transformer lebih mampu memahami konteks semantik dan ambiguitas bahasa pada teks media sosial berbahasa Indonesia, sehingga lebih efektif mendukung analisis sentimen layanan digital pemerintah.