PERBANDINGAN MODEL INDOBERT, MULTILINGUALBERT, DAN INDOROBERTA DALAM ANALISIS SENTIMEN TERHADAP PROGRAM JABAR QUICK RESPONSE

Perkembangan teknologi informasi mendorong pemerintah untuk memanfaatkan media digital guna meningkatkan kualitas layanan publik, salah satunya melalui program Jabar Quick Response (JQR) yang bertujuan menangani isu kemanusiaan dan kebencanaan secara cepat melalui media sosial. Penelitian ini bertujuan untuk membandingkan performa tiga model yaitu IndoBERT, MultilingualBERT (mBERT), dan IndoROBERTa dalam melakukan analisis sentimen terhadap tweet yang berkaitan dengan program JQR. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score (macro dan weighted). Hasil penelitian menunjukkan bahwa IndoBERT dan IndoROBERTa sama-sama memperoleh hasil terbaik dengan akurasi sebesar 93%. Meskipun ketiganya mencatatkan nilai yang identik pada metrik utama tersebut, terdapat perbedaan dalam karakteristik kinerjanya. IndoBERT memiliki precision (macro) yang lebih tinggi sebesar 91%, mengindikasikan ketepatan model dalam memprediksi kelas yang dikenali, sedangkan IndoROBERTa mencatatkan nilai recall (macro) yang lebih tinggi sebesar 89%, menunjukkan kemampuannya dalam mengenali seluruh distribusi kelas secara lebih merata, termasuk kelas minoritas. Model mBERT menunjukkan performa paling rendah dengan akurasi sebesar 92%, F1-score macro sebesar 87%, dan F1-score weighted sebesar 92%. Berdasarkan hasil tersebut, IndoROBERTa dapat dianggap sebagai model yang lebih representatif apabila prioritas evaluasi diarahkan pada keseimbangan dalam mengenali seluruh kelas secara proporsional dalam tugas analisis sentimen terhadap data media sosial.

Kata kunci: Analisis Sentimen, Akurasi, IndoBERT, IndoROBERTa, mBERT.