Publisher

IRPIIRPI

Journal MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer Science Abstract

Media sosial, khususnya Twitter (X), telah menjadi platform utama dalam diskusi politik dan kebijakan pemerintah. Istilah dalam pengiriman pesan pada Twitter dikenal sebagai Tweet yang terdiri dari pesan dengan maksimal 280 karakter. Meskipun Tweet seringkali hanya berupa teks, juga dapat menyertakan hyperlink, video, dan jenis media lainnya yang dapat digunakan untuk mengukur opini publik. penelitian ini bertujuan mengklasifikasikan sentimen masyarakat terkait pengangkatan Kaesang Pangarep sebagai Ketua Umum Partai Solidaritas Indonesia (PSI) dengan metode Multi-Layer Perceptron (MLP) Classifier dengan pendekatan Term Frequency-Inverse Document Frequency (TF-IDF) menggunakan bahasa pemograman python. Data yang digunakan terdiri dari 300 tweet, dengan 100 tweet perkelas atau opsi untuk hasil yang optimal. Tiga kategori tersebut adalah positif, netral, dan negatif. Berdasarkan penelitian yang telah dilakukan metode terbaik mencapai F1-score sebesar 0,6767 dan akurasi 0,6667. Hasil ini menunjukkan bahwa kombinasi MLP Classifier dan TF-IDF dapat mengatasi keterbatasan dataset hingga tingkat tertentu dibandingkan metode baseline. Penelitian ini juga memberikan wawasan tentang optimasi klasifikasi sentimen dalam kondisi data terbatas, yang dapat diterapkan pada topik lain dengan permasalahan serupa.

Conclusion

Penelitian ini berhasil menunjukkan bahwa kombinasi MLP Classifier dengan TF-IDF mampu mengklasifikasikan sentimen masyarakat terkait penunjukan Kaesang Pangarep sebagai Ketua Umum PSI dengan F1-score 0,5027 dan akurasi 0,5915 pada dataset terbatas.Eksperimen terbaik diperoleh pada konfigurasi hidden layer (10,20), fungsi aktivasi ReLU, solver Adam, alpha 0,001, dan iterasi maksimum 20, meskipun masih terdapat peluang untuk meningkatkan performa.Untuk penelitian lanjutan, disarankan penggunaan dataset yang lebih besar dan beragam serta eksplorasi metode pemrosesan teks canggih seperti deep learning atau word embeddings agar model dapat lebih baik dalam generalisasi dan akurasi.

Future Research

Penelitian berikutnya dapat diarahkan untuk mengevaluasi perbandingan kinerja Multi-Layer Perceptron (MLP) dengan fitur TF-IDF terhadap arsitektur deep learning seperti Long Short-Term Memory (LSTM) atau Bidirectional LSTM pada dataset yang lebih besar dan bervariasi untuk mengetahui seberapa jauh metode jaringan saraf lanjutan dapat meningkatkan akurasi dan ketangguhan klasifikasi sentimen di kondisi data terbatas. Ide kedua adalah mengkaji penerapan dan proses fine-tuning model bahasa pra-latih dalam bahasa Indonesia, seperti IndoBERT atau BERT, untuk menggantikan TF-IDF sebagai representasi teks lalu mengombinasikannya dengan lapisan MLP, sehingga penelitian dapat menilai kontribusi embedding kontekstual dalam meningkatkan F1-score dan recall pada kelas minoritas. Ide ketiga melibatkan eksplorasi strategi ensembel yang menggabungkan output MLP, Support Vector Machine, dan Random Forest dengan mekanisme voting atau stacking untuk meneliti apakah kolaborasi model dapat mengurangi bias antar kelas dan menghasilkan keputusan klasifikasi yang lebih seimbang. Ketiga gagasan penelitian ini diharapkan dapat membuka arah studi baru untuk mengoptimalkan klasifikasi sentimen dengan memanfaatkan teknologi pembelajaran mendalam dan pendekatan gabungan model pada kondisi dataset terbatas.

References

1. Klasifikasi Sentimen Menggunakan Metode Passive Aggressive dengan Menggunakan Model Bahasa BERT pada... ejurnal.seminar-id.com/index.php/bits/article/view/6389Klasifikasi Sentimen Menggunakan Metode Passive Aggressive dengan Menggunakan Model Bahasa BERT pada ejurnal seminar id index php bits article view 6389
2. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. text model comments indonesian jurnal resti rekayasa... jurnal.iaii.or.id/index.php/RESTI/article/view/2035Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i text model comments indonesian jurnal resti rekayasa jurnal iaii index php RESTI article view 2035
3. Social Media Role and Its Impact on Public Health: A Narrative Review | Cureus. social role impact public... cureus.com/articles/115786-social-media-role-and-its-impact-on-public-health-a-narrative-reviewSocial Media Role and Its Impact on Public Health A Narrative Review Cureus social role impact public cureus articles 115786 social media role and its impact on public health a narrative review

Subjects

1. #hidup sehat#hidup sehat
2. #naive bayes#naive bayes

Metadata

File size	443.1 KB
Pages	12
Short Link	https://juris.id/p-kU
Lookup Links	Google ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCA	Report