Analisis sentimen sara pada tweet berbahasa Indonesia menggunakan indobert dan Support Vector Machine (SVM)

Penelitian ini bertujuan untuk mengetahui sentimen pada tweets yang mengandung unsur SARA (Suku, Agama, Ras, dan Golongan) dengan melakukan analisis sentimen pada tweets berbahasa Indonesia di Twitter. Dengan demikian, pihak platform media sosial dan pemerintah dapat membatasi penggunaan kata-kata yang mengacu pada unsur SARA yang sering digunakan ketika membagikan tweets. Dataset yang digunakan berisi 103.180 tweets. Analisis penelitian ini menggunakan metode deep learning, khususnya model IndoBERT yang berbasis pada BERT dengan arsitektur Transformer. Selain itu, model SVM (Support Vector Machine) juga digunakan sebagai pembanding performa. Hasil penelitian menunjukkan bahwa model IndoBERT memiliki akurasi lebih tinggi dibandingkan model SVM, dengan nilai 78% untuk IndoBERT dan 65% untuk SVM. Selain itu, analisis sentimen menggunakan kedua model tersebut mengungkapkan bahwa tweets dengan sentimen positif cenderung menggunakan kata "islam," "jawa," dan "muslim," yang merujuk pada identitas agama dan suku. Sedangkan kata-kata yang cenderung digunakan pada tweets dengan sentimen negatif adalah "agama," "jawa," dan "orang," yang juga mengacu pada identitas agama dan suku.