Analisis Sentimen Masyarakat Terhadap Pergantian Menteri Keuangan Di Platform X Dengan Metode Bidirectional Encoder Representations From Transformers (Bert) Dan Ensemble Stacking

Reshuffle Menteri Keuangan pada tahun 2025 memicu perdebatan yang luas di platform X serta menimbulkan beragam respons dari masyarakat. Masalah utama yang muncul adalah kesulitan dalam menginterpretasi sentimen yang terkandung dalam teks tidak terstruktur tersebut. Untuk itu penelitian ini menggunakan Bidirectional Encoder Representations from Transformers (BERT) untuk memahami hubungan antar kata dalam satu kalimat secara utuh. dan ensemble stacking untuk meningkatkan akurasi klasifikasi. Data yang digunakan terdiri dari cuitan yang telah melalui pembersihan data dan diproses menggunakan kombinasi TF-IDF dan embedding Bidirectional Encoder Representations from Transformers (BERT). Model klasifikasi melibatkan gabungan K-Nearest Neighbors, Decision Tree C4.5, dan Support Vector Machine. Tujuan penelitian adalah mengidentifikasi sentimen percakapan publik. Hasil penelitian menunjukkan metode ini efektif dalam menganalisis sentimen, dengan nilai F1-score mencapai 0,76 untuk kelas positif dan 0,9 untuk kelas negatif. Serta, word cloud memperlihatkan isu utama seperti anggaran, kinerja menteri, dan dinamika politik ekonomi yang mendominasi percakapan publik.