Author : Triyas Rahmadiyanti   , Sigit Wasista, Maretha Ruswiansari
ABSTRAK

Indonesia merupakan salah satu pasar K-Pop terbesar di dunia dengan tingginya konsumsi produk seperti merchandise, konten digital, dan tiket konser. Fanatisme penggemar yang kuat turut mendorong perilaku konsumtif sebagai bentuk dukungan terhadap idola. Di sisi lain, media sosial Twitter (X) menjadi platform utama dalam mengekspresikan opini publik dan sering digunakan dalam analisis sentimen. Namun, pemanfaatan sentimen publik untuk memprediksi penjualan tiket konser masih belum banyak diteliti. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap cuitan terkait penjualan tiket konser NCT DREAM: THE DREAM SHOW 5 dengan memanfaatkan kombinasi model BERT dan LSTM. Dominasi sentimen positif diasumsikan berkorelasi dengan peningkatan penjualan, sedangkan sentimen negatif dapat mengindikasikan penurunan atau potensi masalah dalam penjualan. Model BERT digunakan untuk memahami konteks dan hubungan antar kata, sementara LSTM menangkap pola sentimen secara berurutan. Hasil klasifikasi sentimen kemudian digunakan sebagai variabel dalam model regresi linier sederhana untuk memperkirakan estimasi tiket yang terjual. Hasil eksperimen menunjukkan bahwa model BERT-LSTM mencapai performa tertinggi pada kedua jenis data, dengan akurasi 0.9350 pada dataset IndoNLU dan memiliki akurasi 0.8416 pada dataset Twitter (X) yang terkait dengan konser NCT DREAM : THE DREAM SHOW 4. Kinerja tersebut lebih unggul dibandingkan model BERT tunggal dan jauh melampaui LSTM. Hubungan antara hasil analisis sentimen publik di Twitter (X) dan estimasi penjualan tiket konser NCT Dream: THE DREAM SHOW 5 di Indonesia dianalisis menggunakan regresi linier sederhana. Hasil pemodelan menunjukkan nilai koefisien determinasi (R²) sebesar 0,832 dan koefisien korelasi sebesar 0,912. Dengan skenario persentase sentimen positif sebesar 90%, model memprediksi penjualan tiket sekitar 147.011 hingga 147.024 tiket, yang menunjukkan potensi peningkatan jumlah tiket terjual dibandingkan tahun sebelumnya.

[DOWNLOAD ABSTRACT]