Analisis Berita Demonstrasi DI Indonesia Menggunakan Fine-Tuned Indobert Dan Klasifikasi Teks Naive Bayes

Abstract

Penelitian ini bertujuan mengidentifikasi entitas terkait demonstrasi tanggal, lokasi, pelaku/massa, isu dalam berita online serta menganalisis pola distribusinya. Data berita dikumpulkan melalui web scraping situs detik.com dari periode 2021–2024. Metode penelitian meliputi fine-tuning model IndoBERT (indolem/indobertbase-uncased) dengan penambahan label entitas khusus demonstrasi, klasifikasi kalimat menggunakan Naïve Bayes untuk menyaring kalimat relevan, serta deduplikasi berita menggunakan model IndoSBERT. Hasil ekstraksi entitas kemudian dianalisis dan divisualisasikan untuk mengungkap pola lokasi, pelaku, tanggal, dan isu demonstrasi. Hasil penelitian menunjukkan bahwa model IndoBERT yang difine-tune berhasil mengekstraksi entitas demonstrasi dengan performa baik yaitu F1 Score sebesar 0,839. Klasifikasi Naïve Bayes mencapai akurasi 0,9098, dengan recall tinggi pada kalimat tidak terkait demonstrasi tetapi rendah pada kalimat terkait demonstrasi. Visualisasi data mengungkapkan bahwa mahasiswa dan buruh menjadi pelaku dominan, lokasi demo terkonsentrasi di Jakarta dan kota besar di Jawa, serta isu utama berkaitan dengan ekonomi dan politik.