Analisis Sentimen Isu Childfeee di Indonesia dan Amerika Serikat Menggunakan Bidirectional Encoder Representations from Transformers (BERT)

Skripsi
NIM: 1217050143
Year: 2025

Description

Fenomena childfree menjadi topik perbincangan yang luas diberbagai negara seiring dengan menurunnya tingkat kelahiran secara signifikan, yang berdampak pada struktur demografi dan nilai-nilai sosial di berbagai negara. Media sosial menjadi ruang utama bagi masyarakat untuk mengekspresikan pandangannya terkait isu ini, namun perbedaan variasi bahasa dan budaya menciptakan variasi sentimen yang beragam untuk dianalisis karena volume data yang besar. Penelitian ini bertujuan untuk mengeksplorasi perbandingan persepsi masyarakat di Indonesia dan Amerika Serikat terhadap childfree di platform X dengan menerapkan analisis sentimen berbasis BERT-base Multilingual. Metode yang digunakan mencakup pengumpulan data, klasifikasi ke dalam tiga kategori sentimen (positif, negatif, netral), dan pengujian dengan pembagian data 80:10:10. Hasil menunjukkan model berhasil diterapkan dengan performa akurasi 85,50%, Precision 81,67%, Recall 77,44%, dan F1-score 79,52% dalam menganalisis konteks dwibahasa. Dari 9.202 tweet yang dianalisis, terdapat perbedaan signifikan dalam distribusi sentimen: Indonesia didominasi sentimen negatif (90,68%), sedangkan Amerika Serikat memiliki distribusi lebih seimbang (negatif 41,97%, positif 28,25%, netral 29,78%), sehingga mencerminkan kontras pandangan kultural terhadap keputusan childfree. Kata Kunci: Analisis Sentimen, BERT-base Multilingual, Childfree, Media Sosial X, NLP