Analisis Sentimen Komentar Youtube terhadap Kondisi Bursa Saham Indonesia akibat Isu Pengunduran Serempak Dewan BEI Menggunakan IndoBERT
DOI:
https://doi.org/10.58466/q27ea163Kata Kunci:
Bursa Saham, Crawling Data, IndoBERT, Komentar YouTube, Pengolahan Bahasa AlamiAbstrak
Platform media sosial seperti YouTube sudah lama menjadi wadah utama diskusi bagi komunitas investor ritel di Indonesia. Penelitian ini bertujuan menganalisis sentimen publik untuk memahami tren persepsi dan psikologi digital para pelaku pasar modal terhadap isu pengunduran diri serempak dewan Bursa Efek Indonesia (BEI). Penelitian ini menerapkan arsitektur Deep Learning IndoBERT (Bidirectional Encoder Representations from Transformers untuk bahasa Indonesia) melalui proses fine-tuning pada dataset komentar YouTube. Korpus data tekstual dibersihkan dari derau (noise), dinormalisasi dari kosakata slang pasar modal, ditokenisasi, dan diklasifikasikan secara otomatis ke dalam tiga polaritas sentimen: positif, netral, dan negatif. Tahap analisis dilanjutkan dengan ekstraksi kata kunci dominan berbasis Word Cloud serta pemetaan tren frekuensi kata untuk mengidentifikasi variabel psikologis yang menggerakkan opini pasar. Model berhasil mengklasifikasikan kompleksitas semantik bahasa informal secara objektif. Hasil visualisasi menunjukkan bahwa dinamika komunikasi didominasi secara mutlak oleh sentimen negatif (57,5%), mencerminkan adanya keresahan massal dan penurunan tingkat kepercayaan terhadap stabilitas pasar modal akibat krisis struktural tersebut. Penelitian ini membuktikan efektivitas model transformer lokal sebagai instrumen ekstraksi psikologi pasar digital guna mendukung otomatisasi pengambilan keputusan investasi secara real-time.
Referensi
[1] F. Imawan, F. Shiddieq, and F. F. Roji, “Analisis Sentimen Publik di X Terhadap Rencana Kenaikan PPN 12% Menggunakan Bert Analysis of Public Sentiment in X Towards The 12% PPN Increase Plan Using Bert,” 2025. [Online]. Available: https://jurnal.unimed.ac.id/2012/index.php/cess
[2] D. Nuryadi et al., “FINE TUNING INDOBERT UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI TIKET.COM DI GOOGLE PLAY STORE,” 2025.
[3] C. Very et al., “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Optimasi Klasifikasi Sentimen Menggunakan Random Forest dengan Preprocessing K-Means Clustering dan SMOTE”.
[4] G. Fani Suciarti Medantoro, “Comparative Analysis of IndoBERT and Classic Machine Learning Models for Sentiment Classification of Education Policy on Social Media X,” 2026. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
[5] J. Hartanto and E. W. Andangsari, “A Deep Learning Approach to Sentiment Analysis of Indonesian Stock Market Using IndoBERT.” [Online]. Available: https://data.mendeley.com/datasets/tn4vzs8tdw/3
[6] D. Al Akhdaan, Taufik Edy Sutanto, and Muhaza Liebenlito, “Confident Learning pada IndoBERT: Peningkatan Kinerja Klasifikasi Sentimen,” The Indonesian Journal of Computer Science, vol. 13, no. 5, Oct. 2024, doi: 10.33022/ijcs.v13i5.4401.
[7] M. R. Manoppo et al., “ANALISIS SENTIMEN PUBLIK DI MEDIA SOSIAL TERHADAP KENAIKAN PPN 12% DI INDONESIA MENGGUNAKAN INDOBERT,” Jurnal Kecerdasan Buatan dan Teknologi Informasi, vol. 4, no. 2, pp. 152–163, May 2025, doi: 10.69916/jkbti.v4i2.322.
[8] W. M. Munandar, “Sentiment Analysis of Student Comment on the College Performance Evaluation Questionnaire Using Naïve Bayes and IndoBERT,” 2023. [Online]. Available: https://github.com/notfound313/sentimen-
[9] M. G. Al-Kadzim, R. Rasim, and H. Herbert, “Analisis Perubahan Sentimen Publik di Media Sosial X terhadap Konflik Palestina-Israel Menggunakan Model IndoBERT,” Digital Transformation Technology, vol. 4, no. 2, pp. 1167–1174, Jan. 2025, doi: 10.47709/digitech.v4i2.5312.
[10] U. Fadhila Dina Puspita, A. Pramita Widyasari, P. Studi Informatika, and S. Tinggi Teknologi Ronggolawe, “Program Studi Teknik Informatika,” 2026.
[11] S. MARATUS SHOLIHAH, Afril Efan Pajri, and Ita Aristia Sa’ida, “Analisis Sentimen Komentar iPhone 17 pada Platform YouTube Menggunakan IndoBERT dan Support Vector Machine,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 7, no. 3, pp. 933–945, Mar. 2026, doi: 10.30865/json.v7i3.9507.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Daffa Yudha Musyaffa, Felix Gunawan, Muhammad Rizky Pribadi
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
