Perkembangan teknologi informasi telah mendorong peningkatan aktivitas masyarakat di media sosial, termasuk dalam menyampaikan opini terhadap berbagai kebijakan pemerintah. Namun, volume dan kompleksitas data yang tinggi menyebabkan analisis manual menjadi tidak efektif. Oleh karena itu, diperlukan sistem yang mampu mengidentifikasi opini publik secara otomatis berdasarkan aspek tertentu dan polaritas sentimen yang terkandung di dalamnya.
Penelitian ini bertujuan untuk membangun sistem analisis sentimen berbasis aspek (Aspect-Based Sentiment Analysis/ABSA) menggunakan model IndoBERT yang dilatih dengan pendekatan multi-output classification. Proses penelitian meliputi pengumpulan dan pelabelan data tweet, pelatihan model menggunakan framework PyTorch, evaluasi performa model berdasarkan metrik akurasi dan F1-score, hingga implementasi model ke dalam sistem berbasis web menggunakan Streamlit.
Hasil penelitian menunjukkan bahwa model ABSA yang dibangun mampu memberikan prediksi sentimen yang akurat terhadap lima aspek utama, yaitu pemerintahan, pendidikan, infrastruktur, ekonomi dan kesehatan, dengan rata-rata F1-score mencapai 0,95 pada data uji. Sistem yang dikembangkan mampu menerima input teks tunggal, file CSV, maupun hasil scraping, dan menyajikan hasil analisis dalam bentuk visualisasi interaktif serta file unduhan. Sistem ini terbukti efektif dan stabil untuk diterapkan dalam konteks analisis opini publik secara otomatis.