Analisis Sentimen Media Sosial Menggunakan Algoritma BERT dan LSTM

Novita Malasari; Muhammad Ramli

doi:10.70716/jocsit.v1i3.318

Authors

Novita Malasari Program Studi Tehnik computer, Institut Teknologi Sepuluh Nopember, Surabaya, Jawa Timur Indonesia
Muhammad Ramli Program Studi Tehnik computer, Institut Teknologi Sepuluh Nopember, Surabaya, Jawa Timur Indonesia

DOI:

https://doi.org/10.70716/jocsit.v1i3.318

Keywords:

sentiment analysis, social media, BERT, LSTM, natural language processing

Abstract

Social media sentiment analysis is an important field in natural language processing (NLP) to understand public opinion on a topic, product, or policy. This study aims to analyze social media user sentiment by utilizing a combination of the Bidirectional Encoder Representations from Transformers (BERT) and Long Short-Term Memory (LSTM) algorithms. The BERT model is used to extract contextual features from text, while the LSTM serves to capture long-term dependencies in sequence data. The dataset used comes from Indonesian-language social media posts that have been labeled into three sentiment categories: positive, negative, and neutral. The research process includes text preprocessing, tokenization, weighting, model training, and performance evaluation using accuracy, precision, recall, and F1-score metrics. Test results show that the combination of BERT and LSTM produces better performance than using a single model, with an accuracy of over 90%. This study proves that the BERT-LSTM hybrid approach is effective for understanding semantic context in complex social media texts. These findings are expected to contribute to the development of data-based opinion analysis and decision-making systems in the digital era.

Downloads

Download data is not yet available.

References

Agustina, D. A., Subanti, S., & Zukhronah, E. (2021). Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Marketplace di Indonesia Menggunakan Algoritma Support Vector Machine. Indonesian Journal of Applied Statistics, 3(2), 109-122.

Alghifari, D. R., Edi, M., & Firmansyah, L. (2022). Implementasi Bidirectional LSTM untuk Analisis Sentimen Terhadap Layanan Grab Indonesia. Jurnal Manajemen Informatika (JAMIKA), 12(2), 89-99.

Ardiyansa, S. A., Guci, A. N., Febryan, J., Alhusari, D., & Fajri, H. A. (2025). Klasifikasi Sentimen Tweet dengan Arsitektur Hybrid Transformers-CNN pada Platform Twitter. The Indonesian Journal of Computer Science, 14(3).

Fahrezi, M., Pratama, Y. B., & Pramudiyantoro, A. (2025). Analisis Sentimen Debat Publik Pilpres 2024 Menggunakan Metode Algoritma LSTM dan IndoBERT Pada Platform Youtube. Jurnal Penelitian Ilmiah Multidisipliner, 2(03), 1936-1961.

Fardhina, A., Siregar, R. M., Sibarani, M. R. W. B., Ginting, I. C. B., & Pratama, A. (2025). Sistem Deteksi Berita Hoaks berbasis Algoritma Natural Language Processing (NLP) menggunakan BERT. Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK), 4(1), 450-461.

Fauzan, M., & Hartati, S. (2023). Penerapan model hybrid BERT-LSTM untuk klasifikasi sentimen media sosial. Jurnal Teknologi Informasi dan Komputer, 11(2), 134–142.

Fazri, M., & Voutama, A. (2025). ANALISIS SENTIMEN PUBLIK TERHADAP DANANTARA DI MEDIA SOSIAL X MENGGUNAKAN NLP DAN PEMBELAJARAN MESIN. JOISIE (Journal Of Information Systems And Informatics Engineering), 9(1), 197-206.

Handayani, R., & Wibowo, T. (2020). Analisis sentimen pada media sosial menggunakan metode deep learning. Jurnal Sistem Informasi, 8(3), 201–210.

Hidayat, R., & Sasmita, N. (2023). Evaluasi performa BERT-LSTM dalam analisis opini publik berbahasa Indonesia. Jurnal Informatika Nasional, 9(1), 56–65.

Kusuma, A., & Yuniarti, L. (2022). Pengembangan model NLP berbahasa Indonesia berbasis deep learning. Jurnal Teknologi dan Sistem Informasi, 10(1), 77–89.

Lestari, D., & Pratama, H. (2021). Implementasi LSTM untuk analisis sentimen ulasan pengguna aplikasi. Jurnal Rekayasa Sistem, 7(4), 245–253.

Maxmiliano, P., Riti, Y. F., Nugroho, I. Y., & Juniarto, C. E. C. (2025). Perbandingan Algoritma Naive Bayes dan Bert untuk Analisis Sentimen Ulasan Produk Shopee Berdasarkan Rating dan Atribut Produk (Warna/Kategori). Jurnal Media Informatika, 6(5), 2552-2565.

Noveandini, R., Wulandari, M. S., & Rasyad, F. (2025). Penerapan Model LSTM pada Analisis Sentimen Ulasan Pengguna Aplikasi Shopee Google Play Store. JURNAL FASILKOM, 15(2), 290-296.

Nugraha, B., & Adi, S. (2023). Praproses teks dan implementasi model BERT untuk analisis sentimen. Jurnal Komputasi dan Aplikasi, 12(2), 101–112.

Nugroho, A. (2018). Analisis sentimen pada media sosial twitter menggunakan naive bayes classifier dengan ekstrasi fitur N-gram. J-SAKTI (Jurnal Sains Komputer dan Informatika), 2(2), 200-209.

Prasetyo, A., & Andini, E. (2022). Tantangan analisis sentimen pada teks berbahasa Indonesia di media sosial. Jurnal Ilmu Komputer dan Teknologi, 9(3), 165–174.

Putra, F., & Yuliana, D. (2020). Penerapan analisis sentimen untuk memahami opini publik di media sosial. Jurnal Informatika Terapan, 8(2), 90–98.

Sari, R., & Kurniawan, A. (2021). Pemanfaatan model BERT dalam pemrosesan bahasa alami. Jurnal Sains Komputer, 9(1), 55–64.

Siswoyo, B., & Utomo, N. A. P. (2025). Pemanfaatan Machine Learning untuk Klasifikasi Sentimen Pelanggan pada Media Sosial. Jurnal Teknologi Informasi Digital, 1(1), 29-34.

Sukmawati, R., Purnama, H., & Widodo, F. (2022). Analisis opini publik terhadap kebijakan pemerintah menggunakan machine learning. Jurnal Teknologi dan Informasi, 10(3), 188–198.

Wijaya, M. (2025). Kurikulum Deep Learning di Indonesia; Sebuah Harapan Baru. Jurnal Ilmiah Pendidikan Scholastic, 9(1), 10-15.

Wily, W. A., Anggai, S., & Tukiyat, T. (2025). ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MEDIA SOSIAL X DI PLAY STORE MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN GATED RECURRENT UNIT (GRU): Studi Kasus pada Ulasan Pengguna di Google Play Store. Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan), 9(1), 63-72.