ANALISIS SENTIMEN DI X MENGGUNAKAN BERT TERHADAP STABILITAS USDT DI TENGAH KOMPETISI MATA UANG DIGITAL BRICS

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap stabilitas USDT (Tether)
dalam konteks persaingan dengan mata uang digital BRICS menggunakan pendekatan pemrosesan
bahasa alami (NLP). Model yang digunakan adalah FinBERT, yakni varian BERT yang dilatih
secara khusus pada korpus finansial berbahasa Inggris. Data dikumpulkan dari platform X
menggunakan Tweet-Harvest, kemudian diproses melalui tahapan pembersihan, penerjemahan
otomatis, pelabelan awal menggunakan TextBlob, dan klasifikasi akhir dengan FinBERT. Hasil
klasifikasi menunjukkan distribusi sentimen yang relatif seimbang: 166 tweet netral, 157 tweet
negatif, dan 156 tweet positif. Wordcloud memperlihatkan bahwa tweet netral bersifat informatif,
tweet negatif menyoroti risiko atau ketidakstabilan, dan tweet positif menunjukkan optimisme
terhadap USDT. Evaluasi model menunjukkan akurasi sebesar 82,88%, dengan precision dan
recall rata-rata 83%, serta F1-score tertinggi pada sentimen positif sebesar 0,84. Validasi manual
terhadap 20 tweet menunjukkan kesesuaian sebesar 90%. Penelitian ini memberikan kontribusi
terhadap pengembangan sistem pemantauan opini publik berbasis AI dalam konteks keuangan
digital.