Analisis Sentimen tentang Penundaan Pengangkatan CPNS 2025 pada Platform X Menggunakan Metode IndoBERT

Abstract

Penundaan pengangkatan Calon Pegawai Negeri Sipil (CPNS) 2025 menjadi isu yang menarik perhatian publik Indonesia dan memicu beragam reaksi, terutama di media sosial. Penelitian ini bertujuan menganalisis sentimen publik terhadap penundaan tersebut sekaligus mengevaluasi performa model IndoBERT dalam mengklasifikasikan opini masyarakat berbahasa Indonesia terkait isu ini. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan metode data mining dan Natural Language Processing (NLP). Pengumpulan data dimulai dengan crawling data tweet dari Platform X menggunakan tools Tweet Harvest berbasis auth token dan kata kunci terkait isu penundaan CPNS 2025. Data kemudian diproses melalui tahap pre-processing yang meliputi cleaning, case folding, tokenisasi, dan normalisasi. Selanjutnya dilakukan filtering, refinement, pelabelan manual, serta pembagian data menjadi tiga set dengan rasio 80:10:10 untuk pelatihan, validasi, dan pengujian. Pemodelan dilakukan dengan menggunakan transformer Indobert-base-p2 yang di-fine-tune dengan optimizer Adam dan sesuai konfigurasi optimal. Evaluasi performa model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Dari 3.079 tweet yang terkumpul, diperoleh 2.479 data seimbang dari segi sentimen positif, negatif, dan netral. Model IndoBERT berhasil mencapai akurasi sebesar 84,27% dengan rata-rata presisi, recall, dan F1-score sekitar 84%. Analisis sentimen menunjukkan dominasi sentimen negatif pada awal isu, yang kemudian berangsur berubah menjadi positif setelah klarifikasi dari pemerintah. Sentimen netral banyak berasal dari akun resmi dan media. Temuan ini menegaskan pentingnya media sosial sebagai sumber pemantauan opini publik secara real-time serta menunjukkan potensi besar analisis sentimen berbasis NLP sebagai alat evaluasi komunikasi publik dan pengambilan keputusan kebijakan pemerintah.