Publisher

NINETYJOURNALNINETYJOURNAL

Journal Jurnal Kecerdasan Buatan dan Teknologi InformasiJurnal Kecerdasan Buatan dan Teknologi Informasi Abstract

Penelitian ini menganalisis sentimen publik terkait rencana kenaikan Pajak Pertambahan Nilai (PPN) 12% di Indonesia menggunakan model transformer berbasis Bahasa Indonesia, IndoBERT. Dengan mengumpulkan 2.581 sampel data dari platform media sosial X, Instagram, dan TikTok, penelitian ini bertujuan untuk memahami respons publik secara mendalam. Data melalui tahapan pra-pemrosesan, tokenisasi, dan label mapping sebelum dibagi 80/10/10 menjadi set pelatihan, validasi, dan pengujian. Model IndoBERT dasar yang di-fine-tuned selama tiga epoch menunjukkan kinerja yang signifikan pada set pengujian. Secara kuantitatif, model mencapai accuracy 84,94%, precision 85,60%, recall 84,94%, dan F1-score (weighted) 84,37%. Analisis distribusi sentimen lebih lanjut menunjukkan bahwa sentimen publik yang dominan adalah negatif. Tingginya nilai metrik evaluasi ini menegaskan efektivitas IndoBERT untuk tugas klasifikasi sentimen berbahasa Indonesia pada data media sosial. Kesimpulannya, temuan ini tidak hanya menunjukkan kapabilitas model, tetapi juga memberikan dasar analisis yang kuat mengenai tingkat penerimaan atau penolakan publik terhadap kebijakan kenaikan PPN 12%, menawarkan nilai tambah bagi pemahaman dampak kebijakan publik.

Conclusion

Penelitian ini bertujuan membangun dan mengevaluasi model klasifikasi sentimen terhadap kebijakan kenaikan PPN 12% di Indonesia menggunakan pendekatan Natural Language Processing (NLP) berbasis model Transformer, yaitu IndoBERT.Data dikumpulkan dari platform media sosial X, Instagram, dan TikTok, kemudian melalui tahap pra-pemrosesan teks untuk menghasilkan data bersih, tokenisasi, dan pemetaan label.Model IndoBERT di-fine-tune pada dataset yang dibagi secara stratifikasi selama tiga epoch.Evaluasi akhir pada data uji menunjukkan performa model yang kuat dengan akurasi 84,94%, presisi (weighted) 0,8460, recall (weighted) 0,8494, dan F1-score (weighted) 0,8437.Angka-angka ini mencerminkan kemampuan model dalam memahami konteks bahasa dan nuansa sentimen pada teks media sosial terkait isu kenaikan PPN 12%.

Future Research

Untuk penelitian selanjutnya, pertimbangkan untuk menjelajahi analisis sentimen pada platform diskusi online lainnya seperti forum atau subreddit guna memperluas perspektif dan meningkatkan generalisasi model. Selain itu, pengembangan fitur linguistik baru atau pendekatan multibahasa dapat meningkatkan akurasi model ketika diterapkan pada data dari berbagai sumber. Optimalisasi algoritma fine-tuning perlu dieksplorasi lebih lanjut untuk mengidentifikasi pengaturan parameter yang lebih baik yang bisa meningkatkan kualitas klasifikasi sentimen. Mengurangi bias terhadap kelas mayoritas dalam dataset juga merupakan langkah penting untuk menghasilkan model yang lebih adil dan akurat.

References

1. Analisis Sentemen Terhadap Aplikasi Bukalapak Sebelum IPO dan Sesudah IPO Menggunakan Algoritma Naive... lenteradua.net/jurnal/index.php/jnanaloka/article/view/40Analisis Sentemen Terhadap Aplikasi Bukalapak Sebelum IPO dan Sesudah IPO Menggunakan Algoritma Naive lenteradua jurnal index php jnanaloka article view 40
2. ANALISIS SENTIMEN PUBLIK DI MEDIA SOSIAL TERHADAP KENAIKAN PPN 12% DI INDONESIA MENGGUNAKAN INDOBERT... ojs.ninetyjournal.com/index.php/JKBTI/article/view/322ANALISIS SENTIMEN PUBLIK DI MEDIA SOSIAL TERHADAP KENAIKAN PPN 12 DI INDONESIA MENGGUNAKAN INDOBERT ojs ninetyjournal index php JKBTI article view 322
3. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KABUPATEN JAYAWIJAYA | Jurnal Ekonomi... ejurnal.stie-portnumbay.ac.id/index.php/jeb/article/view/306ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI TINGKAT KEMISKINAN DI KABUPATEN JAYAWIJAYA Jurnal Ekonomi ejurnal stie portnumbay ac index php jeb article view 306

Subjects

1. #akurasi analisis sentimen#akurasi analisis sentimen

Metadata

File size	435.67 KB
Pages	12
DMCA	ReportReport