Analisis Sentimen Debat Publik Pilpres 2024 Menggunakan Metode Algoritma LSTM dan IndoBERT Pada Platform Youtube
Kata Kunci:
Analisis Sentimen, LSTM, IndoBERT, Debat Pilpres 2024, YouTubeAbstrak
Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap debat calon Presiden dan Wakil Presiden Republik Indonesia tahun 2024 melalui komentar pengguna di platform YouTube. Metode yang digunakan adalah pendekatan Knowledge Discovery in Database (KDD) dengan algoritma Long Short-Term Memory (LSTM) dan IndoBERT sebagai model utama. Data dikumpulkan menggunakan teknik web scraping dari kanal YouTube resmi penyelenggara dan media nasional, kemudian dilakukan pembersihan, pelabelan sentimen (positif, netral, negatif), serta penyeimbangan data menggunakan metode Synthetic Minority Oversampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa opini publik di YouTube didominasi oleh sentimen netral sebesar 74%, diikuti positif 18%, dan negatif 8%. Model LSTM mencapai akurasi 97,77% dengan F1-score 0,96, sedangkan IndoBERT mencapai akurasi 46,6%. Kombinasi keduanya melalui pendekatan ensemble hybrid menghasilkan performa terbaik dengan akurasi 97,7% dan F1-macro 0,96. Analisis lanjutan menunjukkan bahwa pasangan Anies–Muhaimin memperoleh dominasi komentar netral tertinggi, Prabowo–Gibran menerima sentimen positif terbesar, sementara Ganjar–Mahfud memiliki sebaran opini paling beragam. Hasil ini membuktikan bahwa pendekatan deep learning ensemble efektif untuk menganalisis opini politik digital serta dapat menjadi dasar pengembangan sistem pemantauan opini publik berbasis kecerdasan buatan di Indonesia.
Unduhan
Referensi
Budiardjo, M. (2021). Dasar-Dasar Ilmu Politik. Jakarta: Gramedia Pustaka Utama.
Undang-Undang Republik Indonesia Nomor 7 Tahun 2017 tentang Pemilihan Umum.
Komisi Pemilihan Umum Republik Indonesia. (2023). Peraturan Komisi Pemilihan Umum Nomor 19 Tahun 2023 tentang Pencalonan Peserta Pemilu Presiden dan Wakil Presiden.
Komisi Pemilihan Umum Republik Indonesia. (2023). Peraturan Komisi Pemilihan Umum Nomor 15 Tahun 2023 tentang Kampanye Pemilihan Umum.
Komisi Pemilihan Umum Republik Indonesia. (2023). Peraturan Komisi Pemilihan Umum Nomor 25 Tahun 2023 tentang Rekapitulasi dan Penetapan Hasil Pemilu.
A’la, F. Y. (2025). Optimasi Klasifikasi Sentimen Ulasan Game Berbahasa Indonesia: IndoBERT dan SMOTE untuk Menangani Ketidakseimbangan Kelas. Edumatic: Jurnal Pendidikan Informatika, 9(1), 256–265. https://doi.org/10.29408/edumatic.v9i1.29666
Alhumoud, S., Wazrah, A. al, Alhussain, L., Alrushud, L., Aldosari, A., Altammami, R. N., Almukirsh, N., Alharbi, H., & Alshahrani, W. (2023). ASAVACT: Arabic sentiment analysis for vaccine-related COVID-19 tweets using deep learning. PeerJ Computer Science, 9, 1–18. https://doi.org/10.7717/peerj-cs.1507
Alotaibi, W., Alomary, F., & Mokni, R. (2023). COVID-19 vaccine rejection causes based on Twitter people’s opinions analysis using deep learning. Social Network Analysis and Mining, 13(1). https://doi.org/10.1007/s13278-023-01059-y
Amrullah, F., & Solichin, A. (n.d.). Analisis Emosi Pada Live Chat Youtube “Mata Najwa: 3 Bacapres Bicara Gagasan” Menggunakan Pendekatan Lexicon dan Algoritma Naive Bayes. Jurnal TICOM: Technology of Information and Communication, 12(3), 2024. https://saifmohammad.com/WebPages/NRC-Emotion-
Anggraini, A., & Zakaria, H. (2023). Penerapan Metode Deep Learning Pada Aplikasi Pembelajaran Menggunakan Sistem Isyarat Bahasa Indonesia Menggunakan Convolutional Neural Network (Studi Kasus : SLB-BC Mahardika Depok). JURIHUM : Jurnal Inovasi Dan Humaniora, 1(4). https://jurnalmahasiswa.com/index.php/jurihum
Anugerah Simanjuntak, Rosni Lumbantoruan, Kartika Sianipar, Rut Gultom, Mario Simaremare, Samuel Situmeang, & Erwin Panggabean. (2024). Research and Analysis of IndoBERT Hyperparameter Tuning in Fake News Detection. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 13(1), 60–67. https://doi.org/10.22146/jnteti.v13i1.8532
Aprinando, A., Simarmata, P., & Sasongko, T. B. (2025). Sentiment Analysis on BRImo Application Reviews Using IndoBERT. In Journal of Applied Informatics and Computing (JAIC) (Vol. 9, Issue 3). http://jurnal.polibatam.ac.id/index.php/JAIC
Aulia, N., Zidan Fahreza, A., Ridho Habibie, M., Puspita Sari, A., Pembangunan Nasional, U., & Timur, J. (n.d.). Analisis Sentimen Komentar Warga Twitter terhadap Calon Wakil Presiden Nomor Urut 02 saat Debat Cawapres Menggunakan Naive Bayes. In JAMASTIKA (Vol. 3).
Bastoni, R. P. (n.d.). Analisis Sentimen Opini Publik Terhadap Calon Presiden Indonesia 2024 Menggunakan Metode Naive Bayes Dan Lexicon Based Pada Platform YouTube Skripsi Oleh.
Budiman, I., Faisal, M. R., Faridhah, A., Farmadi, A., Mazdadi, M. I., Saragih, H., & Abadi, F. (2024). Classification Performance Comparison of BERT and IndoBERT on Self-Report of COVID-19 Status on Social Media Porównanie wyników klasyfikacji BERT i IndoBERT w zakresie samodzielnego zgłaszania statusu COVID-19 w mediach społecznościowych.
Chely Aulia Misrun, Haerani, E., Fikry, M., & Budianita, E. (2023). Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier. Jurnal CoSciTech (Computer Science and Information Technology), 4(1), 207–215. https://doi.org/10.37859/coscitech.v4i1.4790
Dhendra, & Gayuh Utomo, V. (2025). Benchmarking IndoBERT and Transformer Models for Sentiment Classification on Indonesian E-Government Service Reviews. Jurnal Transformatika, 23(1), 86–95. https://doi.org/10.26623/transformatika.v23i1.12095
Dwitama, A. P. J., Fudholi, D. H., & Hidayat, S. (2023). Indonesian Hate Speech Detection Using Bidirectional Long Short-Term Memory (Bi-LSTM). Jurnal RESTI, 7(2), 302–309. https://doi.org/10.29207/resti.v7i2.4642
Geethanjali, R., & Valarmathi, A. (2024). A novel hybrid deep learning IChOA-CNN-LSTM model for modality-enriched and multilingual emotion recognition in social media. Scientific Reports, 14(1). https://doi.org/10.1038/s41598-024-73452-2
Hakim, V. F., & Riana, D. (2024). Analysis of User Complaints for Telecommunication Brands on X (Twitter) using IndoBERT and Deep Learning. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 13(2), 270–279. https://doi.org/10.23887/janapati.v13i2.76497
Hamed, S. K., Ab Aziz, M. J., & Yaakub, M. R. (2023). Fake News Detection Model on Social Media by Leveraging Sentiment Analysis of NewsContent and Emotion Analysis of Users’ Comments. Sensors, 23(4). https://doi.org/10.3390/s23041748
Hanami, R. N., Mahendra, R., & Wicaksono, A. F. (2025). Semantic classification of Indonesian consumer health questions. Journal of Biomedical Semantics, 16(1). https://doi.org/10.1186/s13326-025-00334-5
Haryanto, D., & Kusuma, R. (2023). Dinamika Koalisi Partai Politik dalam Pemilu Presiden 2024 di Indonesia. Jurnal Politik dan Kebijakan Publik, 9(1), 15–27.
Haris, M., Pustaka, T., Diponegoro, M. H., Kusumawardani, S., & Hidayah, I. (2021). Tinjauan Pustaka Sistematis: Implementasi Metode Deep Learning pada Prediksi Kinerja Murid (Implementation of Deep Learning Methods in Predicting Student Performance: A Systematic Literature Review). In Jurnal Nasional Teknik Elektro dan Teknologi Informasi | (Vol. 10, Issue 2).
Hidayat, T., & Fathurrahman, A. (2021). Legitimasi Politik dan Stabilitas Pemerintahan dalam Sistem Presidensial Indonesia. Jurnal Ilmu Pemerintahan, 7(2), 112–124.
Ibrohim, M. O., & Budi, I. (2023). Hate speech and abusive language detection in Indonesian social media: Progress and challenges. In Heliyon (Vol. 9, Issue 8). Elsevier Ltd. https://doi.org/10.1016/j.heliyon.2023.e18647
Ihtada, F. K., Alfianita, R., & Aziz, O. Q. (2025). Aspect-based Multilabel Classification of E-commerce Reviews Using Fine-tuned IndoBERT. Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control. https://doi.org/10.22219/kinetik.v10i1.2088
Indriani, F., Nugroho, R. A., Faisal, M. R., & Kartini, D. (2024). Comparative Evaluation of IndoBERT, IndoBERTweet, and mBERT for Multilabel Student Feedback Classification. Jurnal RESTI, 8(6), 748–757. https://doi.org/10.29207/resti.v8i6.6100
Iparraguirre-Villanueva, O., Alvarez-Risco, A., Herrera Salazar, J. L., Beltozar-Clemente, S., Zapata-Paulini, J., Yáñez, J. A., & Cabanillas-Carbonell, M. (2023). The Public Health Contribution of Sentiment Analysis of Monkeypox Tweets to Detect Polarities Using the CNN-LSTM Model. Vaccines, 11(2). https://doi.org/10.3390/vaccines11020312
Jayadianti, H., Kaswidjanti, W., Utomo, A. T., Saifullah, S., Dwiyanto, F. A., & Drezewski, R. (2022). Sentiment analysis of Indonesian reviews using fine-tuning IndoBERT and R-CNN. ILKOM Jurnal Ilmiah, 14(3), 348–354. https://doi.org/10.33096/ilkom.v14i3.1505.348-354
Jeevallucas, P., Surya Gautama, J., Wibowo, A., Siang, J. J., Informasi, S., Informasi, T., Kristen, U., & Wacana, D. (2025). ANALISIS SENTIMEN PENGGUNA TERHADAP AKUN X/TWITTER RESMI “DANA” DENGAN ALGORITMA INDOBERT SENTIMENT ANALYSIS OF USERS TOWARD THE OFFICIAL “DANA” ACCOUNT ON X/TWITTER USING THE INDOBERT ALGORITHM. Journal of Information Technology and Computer Science (INTECOMS), 8(2).
Kalanjati, V. P., Hasanatuludhhiyah, N., d’Arqom, A., Arsyi, D. H., Marchianti, A. C. N., Muhammad, A., & Purwitasari, D. (2023). Sentiment analysis of Indonesian tweets on COVID-19 and COVID-19 vaccinations. F1000Research, 12, 1007. https://doi.org/10.12688/f1000research.130610.1
Khairani, U., Mutiawani, V., & Ahmadian, H. (2024). Pengaruh Tahapan Preprocessing Terhadap Model Indobert Dan Indobertweet Untuk Mendeteksi Emosi Pada Komentar Akun Berita Instagram. Jurnal Teknologi Informasi Dan Ilmu Komputer, 11(4), 887–894. https://doi.org/10.25126/jtiik.1148315
Liyih, A., Anagaw, S., Yibeyin, M., & Tehone, Y. (2024). Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning. Scientific Reports, 14(1). https://doi.org/10.1038/s41598-024-63367-3
Ma’aly, A. N., Pramesti, D., Fathurahman, A. D., & Fakhrurroja, H. (2024). Exploring Sentiment Analysis for the Indonesian Presidential Election Through Online Reviews Using Multi-Label Classification with a Deep Learning Algorithm. Information (Switzerland), 15(11). https://doi.org/10.3390/info15110705
Mahendra, B., & Putri, S. (2023). Komunikasi Politik Digital dan Opini Publik di Era Pemilu 2024. Jurnal Komunikasi Politik Indonesia, 5(3), 89–101.
Merdiansah, R., & Ali Ridha, A. (2024). Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI, 7(1), 221–228.
Mirugwe, A., Ashaba, C., Namale, A., Akello, E., Bichetero, E., Kansiime, E., & Nyirenda, J. (2024). Sentiment Analysis of Social Media Data on Ebola Outbreak Using Deep Learning Classifiers. Life, 14(6). https://doi.org/10.3390/life14060708
Munandar, W. M. (2023). Sentiment Analysis of Student Comment on the College Performance Evaluation Questionnaire Using Naïve Bayes and IndoBERT (Vol. 11, Issue 2). https://github.com/notfound313/sentimen-
Nabiilah, G. Z., Alam, I. N., Purwanto, E. S., & Hidayat, M. F. (2024). Indonesian multilabel classification using IndoBERT embedding and MBERT classification. International Journal of Electrical and Computer Engineering, 14(1), 1071–1078. https://doi.org/10.11591/ijece.v14i1.pp1071-1078
Nugroho, M. B., Khanif Zyen, A., & Widiastuti, A. (2025). Multiclass Sentiment Analysis of Electric Vehicle Incentive Policies Using IndoBERT and DeBERTa Algorithms. In Journal of AppliedInformatics and Computing (JAIC) (Vol. 9, Issue 3). http://jurnal.polibatam.ac.id/index.php/JAIC
Nur, M. A., Umar, N., Feng, Z., & Gani, H. (2025). EVALUATION OF INDOBERT AND ROBERTA: PERFORMANCE OF INDONESIAN LANGUAGE TRANSFORMER MODELS IN SENTIMENT CLASSIFICATION. JIKO (Jurnal Informatika Dan Komputer), 8(2), 121–127. https://doi.org/10.33387/jiko.v8i2.9988
Nyoman Saputra Wahyu Wijaya, I., Agus Seputra, K., & Putu Novita Puspa Dewi, N. (2025). FINE TUNNING MODEL INDOBERT UNTUK ANALISIS SENTIMEN BERITA PARIWISATA INDONESIA. Jurnal Pendidikan Teknologi Dan Kejuruan, 22(2). https://www.detik.com/search/searchall?query=wisata&siteid=3&sortby=time&fromdatex=01/01/2022&
Oyewola, D. O., Oladimeji, L. A., Julius, S. O., Kachalla, L. B., & Dada, E. G. (2023). Optimizing sentiment analysis of Nigerian 2023 presidential election using two-stage residual long short term memory. Heliyon, 9(4). https://doi.org/10.1016/j.heliyon.2023.e14836
Perwira, R. I., Permadi, V. A., Purnamasari, D. I., & Agusdin, R. P. (2025). Domain-Specific Fine-Tuning of IndoBERT for Aspect-Based Sentiment Analysis in Indonesian Travel User-Generated Content. Journal of Information Systems Engineering and Business Intelligence, 11(1), 30–40. https://doi.org/10.20473/jisebi.11.1.30-40
Prasetyo, A., & Utami, L. (2024). Peran Partai Politik dalam Pembentukan Citra Calon Presiden di Media Sosial. Jurnal Teknologi dan Politik Digital, 6(2), 54–68.
Rakhmat, F., & Yuliana, D. (2022). Strategi Koalisi dan Rasionalitas Politik Partai dalam Pemilu Presiden di Indonesia. Jurnal Demokrasi dan Politik, 8(1), 33–45.
Ridho, M. Y., & Yulianti, E. (2024). From Text to Truth: Leveraging IndoBERT and Machine Learning Models for Hoax Detection in Indonesian News. Jurnal Ilmiah Teknik Elektro Komputer Dan Informatika, 10(3), 544–555. https://doi.org/10.26555/jiteki.v10i3.29450
Riyadi, S., Salsabila, L. K., Damarjati, C., & Karim, R. A. (2024). INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi 233 Sentiment Analysis of YouTube Users on Blackpink Kpop Group Using IndoBERT. INTENSIF, 8(2), 2549–6824. https://doi.org/10.29407/intensif.v8n2.22678
Saadah, S., Auditama, K. M., Fattahila, A. A., Amorokhman, F. I., Aditsania, A., & Rohmawati, A. A. (2022). Implementation of BERT, IndoBERT, and CNN-LSTM in Classifying Public Opinion about COVID-19 Vaccine in Indonesia. Jurnal RESTI, 6(4), 648–655. https://doi.org/10.29207/resti.v6i4.4215
Setiawan, D., Utari Iswavigra, D., & Anggiratih, E. (2025). Implementation of IndoBERT for Sentiment Analysis of the Constitutional Court’s Decision Regarding the Minimum Age of Vice Presidential Candidates. Scientific Journal of Informatics, 12(3). https://doi.org/10.15294/sji.v12i3.26360
Shaw, C., LaCasse, P., & Champagne, L. (2025). Exploring emotion classification of indonesian tweets using large scale transfer learning via IndoBERT. Social Network Analysis and Mining, 15(1). https://doi.org/10.1007/s13278-025-01439-6
Sinapoy, M. I. K., Sibaroni, Y., & Prasetyowati, S. S. (2023). Comparison of LSTM and IndoBERT Method in Identifying Hoax on Twitter. Jurnal RESTI, 7(3), 657–662. https://doi.org/10.29207/resti.v7i3.4830
Siregar, N., & Lestari, D. (2023). Analisis Hubungan Dukungan Partai Politik dan Opini Publik di Media Sosial dalam Pemilu 2024. Jurnal Analisis Politik, 10(2), 70–82.
Suhaeni, C., Wijayanto, H., & Kurnia, A. (2024). Sentiment Classification on the 2024 Indonesian Presidential Candidate Dataset Using Deep Learning Approaches. Indonesian Journal of Statistics and Its Applications, 8(2), 83–94. https://doi.org/10.29244/ijsa.v8i2p83-94
Sunata, M. H. A., Irwiensyah, F., & Hasan, F. N. (2024). Analisis Sentimen Calon Presiden 2024 di Media Sosial X Menggunakan Naive Bayes dan SMOTE. JURNAL MEDIA INFORMATIKA BUDIDARMA, 8(3), 1313. https://doi.org/10.30865/mib.v8i3.7708
Supriyono, Wibawa, A. P., Suyono, & Kurniawan, F. (2024). Analyzing Audience Sentiments in Digital Comedy: A Study of YouTube Comments Using LSTM Models. Journal of Applied Data Sciences, 5(4), 1877–1889. https://doi.org/10.47738/jads.v5i4.393
Swasty Pello, A., Krisnawati, E., Machmud, A. N., & Kristen Satya Wacana, U. (2025). Analisis Framing Pemberitaan Pemilu Presiden 2024 Pada Media Online Kompas.com dan Suara.com. Jurnal Cendekia Ilmiah, 4(3).
Tobing, C. J. L., IGN Lanang Wijayakusuma, & Luh Putu Ida Harini. (2025). Perbandingan Kinerja IndoBERT dan MBERT Untuk Deteksi Berita Hoaks Politik dalam Bahasa Indonesia. JST (Jurnal Sains Dan Teknologi), 14(1), 114–123. https://doi.org/10.23887/jstundiksha.v14i1.92126
Uliniansyah, M. T., Budi, I., Nurfadhilah, E., Afra, D. I. N., Santosa, A., Latief, A. D., Jarin, A., Gunarso, Jiwanggi, M. A., Hidayati, N. N., Fajri, R., Suryono, R. R., Pebiana, S., Shaleha, S., Ramdhani, T. W., & Sampurno, T. (2024). Twitter dataset on public sentiments towards biodiversity policy in Indonesia. Data in Brief, 52. https://doi.org/10.1016/j.dib.2023.109890
Widiansyah, M., Frazna Az-Zahra, F., & Pambudi, A. (n.d.). Fine-Tuning Model Indobert (Indonesian Bidirectional Encoder Representations from Transformers) untuk Analisis Sentimen Berbasis Aspek pada Aplikasi M-Paspor. In Journal of Informatic Engineering (JOUTICA). https://jurnalteknik.unisla.ac.id/index.php/informatika
