Secara global, Indonesia merupakan negara dengan jumlah pengguna TikTok terbanyak kedua. Kondisi ini mendorong para pelaku bisnis untuk memanfaatkan platform tersebut sebagai media promosi, salah satunya dengan menggandeng content creator untuk membuat ulasan produk atau jasa mereka melalui unggahan TikTok. Untuk mengukur efektivitas promosi tersebut, pelaku bisnis perlu melakukan evaluasi terhadap respons warganet, yang dapat dilakukan melalui analisis komentar pada unggahan. Namun terkadang, komentar tersebut mengandung sarkasme, sehingga makna aktual dari komentar tersebut menjadi berbeda dengan apa yang ditulis. Hal ini membuat pengecekan komentar secara manual akan memakan waktu yang cukup lama. Untuk itu, diperlukan sistem aplikasi yang mampu mengklasfikasikan sentimen serta mendeteksi sarkasme komentar TikTok sekaligus. Model yang akan digunakan yakni model BERT yang memang khusus untuk bahasa Indonesia agar dapat menangkap konteks sarkasme dalam bahasa Indonesia. Model BERT yang akan digunakan antara lain adalah IndoBERT, Indonesia RoBERTa, dan Indonesian DistilBERT. Dalam proses pengembangan, diterapkan beberapa tahapan preprocessing seperti cleansing, stopwords removal, stemming, dan lemmatization, serta parameter tuning menggunakan grid search dan ketiga model akan diuji dan dibandingkan untuk menemukan model terbaik. Hasil pengujian menunjukkan bahwa model terbaik adalah
Indobert dengan akurasi 77% untuk tugas sentimen analisis dan 88% untuk tugas deteksi sarkasme.