WEB SCRAPING DAN FINE-TUNING INDOBERT UNTUK ANALISIS SENTIMEN BERBASIS ASPEK (ABSA) PADA DATA TWITTER/X: STUDI KASUS TOPIK KURIKULUM MERDEKA

Penelitian ini mengembangkan sistem Analisis Sentimen Berbasis Aspek (ABSA) untuk mengevaluasi opini publik terkait Kurikulum Merdeka menggunakan data dari platform X. Pendekatan yang digunakan menggabungkan web scraping, pra-pemrosesan teks berbasis aturan linguistik Bahasa Indonesia, fine-tuning IndoBERT, Naive Bayes, serta strategi ensemble weighted voting untuk memperoleh sentimen pada tingkat aspek. Dataset terdiri dari 345 tweet yang dikumpulkan selama periode 20 Oktober – 10 November. Hasil menunjukkan bahwa aspek yang paling sering dibahas meliputi isu umum, kesiapan guru, dan dampak pada siswa, dengan kecenderungan sentimen negatif pada beberapa kategori. Performa model mencapai akurasi 91.59% dengan macro F1 86.43% dan weighted F1 91.69%. Penelitian juga menemukan adanya keterbatasan pada kualitas data, terutama pada tweet yang sangat singkat atau berformat multimedia yang cenderung menghasilkan label netral. Pengembangan selanjutnya disarankan mencakup perluasan data, peningkatan kualitas pelabelan, dan pemanfaatan model transformer terbaru.