KOMPARASI METODE TRANSFORMERS DAN NAÏVE BAYES UNTUK SENTIMEN ANALISIS TERHADAP PEMBANGUNAN IKN

Indonesia, sebagai negara kepulauan terbesar di dunia, sedang dalam tahap
perencanaan pemindahan Ibu Kota Negara (IKN) dari Jakarta ke Kalimantan Timur.
Meskipun memiliki banyak potensi manfaat, di balik ambisi besar ini, proyek IKN
juga menimbulkan berbagai tantangan yang kompleks, salah satu tantangan
utamanya adalah bagaimana mengidentifikasi dan menganalisis sentimen
masyarakat terhadap pembangunan IKN. Dan metode yang digunakan untuk
menganalisis sentimen menggunakan Metode Transformers dan Naïve Bayes
dengan kerangka kerja project menggunakan metode CRISP-DM, yang mencakup
tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi,
dan deployment. Arsitektur dan fitur utama dalam menganalisis sentimen untuk
Metode Transformers menggunakan Model Pre-trained dari Huggingface yang
dilatih untuk Multibahasa dan termasuk Bahasa Indonesia dan Model BERT,
dengan implementasikan Model Pre-train dengan `BertTokenizer` dan
`BertForSequenceClassification` untuk analisis sentimen. Sedangkan Model
Naive Bayes menggunakan library `vader-sentiment` untuk menganalisis teks
sentimen berdasarkan penilaian lexicon serta TF-IDF dan Naïve Bayes untuk
menganalisis dan melakukan labeling sentimen. Hasil evaluasi menunjukkan
bahwa Metode Transformers dengan Model Pre-train dan BERT mencapai akurasi,
precision, recall, dan F1-score masing-masing sebesar 100%, model ini sangatlah
efektif dan akurat dibuktikan dengan pengujian Real-time dimana model terbukti
memberikan hasil yang sangat baik dan akurat. Sebaliknya, model Naïve Bayes
menunjukkan Akurasi 98.5%, Precision 97%, Recall 96%, dan F1-score 98%,
namun model ini kurang baik dalam pengujian Real-time.
Kata Kunci : Analisis, Sentimen, IKN, Transformers, Pre-train, BERT, Naïve
Bayes, Vader Lexicon, Akurasi, Precision, Recall, F1-score.