ANALISIS PENGARUH SMOTE TERHADAP MODEL INDOBERT DALAM ANALISIS SENTIMEN KEBIJAKAN DANANTARA DI PLATFORM X

Opini publik di media sosial berkembang pesat dan dapat membentuk persepsi masyarakat terhadap kebijakan pemerintah. Pembentukan Badan Pengelola Investasi Daya Anagata Nusantara (Danantara) memunculkan respons pro dan kontra di platform X, sehingga diperlukan analisis sentimen untuk memetakan kecenderungan dukungan maupun penolakan secara objektif. Penelitian ini menggunakan model IndoBERT (indobenchmark/indobert-base-p1) untuk mengklasifikasikan sentimen publik berbahasa Indonesia secara biner (positif dan negatif). Dataset terdiri dari 3.796 cuitan periode Mei–Agustus 2025 yang dilabeli secara manual dan dibagi menggunakan stratified split 80% data latih, 10% validasi, dan 10% uji. Proses fine-tuning dilakukan pada 10 skenario yang mencakup kondisi baseline serta variasi rasio distribusi kelas (50:50, 70:30, 80:20, 90:10), baik tanpa maupun dengan penerapan SMOTE sebagai teknik penyeimbangan data. Hasil penelitian menunjukkan bahwa kemampuan representasional IndoBERT menjadi faktor utama keberhasilan klasifikasi. Pada kondisi baseline tanpa SMOTE, model mencapai F1-Score 0,9571, Accuracy 0.9526, Precision 0.9757 dan Recall= 0.9392. Hal ini, menunjukkan bahwa IndoBERT sudah sangat kuat bahkan tanpa penyeimbangan data tambahan. Penerapan SMOTE memberikan pengaruh yang bervariasi, tidak berdampak pada data seimbang (50:50), meningkatkan performa pada ketidakseimbangan sedang (70:30 dan 80:20), namun menurunkan performa pada ketidakseimbangan ekstrem (90:10).