ANALYSIS OF INDONESIAN PEOPLE'S SENTIMENT TOWARDS THE CHILDFREE PHENOMENON ON THE TWITTER PLATFORM USING THE TRANSFORMER METHOD

Fenomena childfree sedang populer pada awal tahun 2023, terutama di Indonesia. Hal tersebut terjadi karena fenomena ini masih menjadi hal yang diperdebatkan oleh beberapa masyarakat. Analisis sentimen terhadap fenomena tersebut menjadi penting karena sebelumnya sudah pernah dilakukan analisis sentimen terhadap fenomena childfree, namun menggunakan metode K-Nearest Neighbor (K-NN) dimana model tersebut masih merupakan model dengan menggunakan Supervised Learning pada metode machine learning. Sekarang ini, ada model terbaru bernama Transformer yang lebih serbaguna dan dapat digunakan dalam berbagai jenis pengaturan pembelajaran. Model tersebut banyak digunakan untuk analisis sentimen dan berbagai aspek lain dari Natural Language Processing. Hal tersebut membuat model Transformer menunjukkan potensi untuk dilakukan analisis sentimen mengenai topik fenomena childfree yang ada di Indonesia. Penelitian ini bertujuan untuk mengimplementasikan Transformer untuk menganalisis sentimen masyarakat terhadap fenomena tersebut. Metode yang diterapkan melibatkan penggunaan teknik klasifikasi dengan model Transformer BERT. Proses dimulai dengan pengumpulan data dari Twitter menggunakan metode scrapping dan crawling. Data ini diklasifikasikan menjadi tiga kelas berdasarkan argumen yang mendukung, netral, atau tidak mendukung fenomena childfree. Data ini kemudian menjalani tahap pre-processing dan tokenisasi menggunakan tiga model pra-pelatihan dari HuggingFace yaitu �indolem/indobertweet-base-uncased�, �indolem/indobert-base-uncased�, dan �indobenchmark/indobert-large-p2�. Setelah itu, model dilatih dan diuji untuk mengevaluasi kinerjanya. Hasil penelitian ini menunjukkan bahwa diantara tiga model yang digunakan, Transformer BERT berhasil diimplementasikan dan model Transformer BERT yang terbaik pada penelitian ini mencapai akurasi tertinggi sebesar 60%.