Publisher

SUBSETSUBSET

Journal The Indonesian Journal of Computer Science ResearchThe Indonesian Journal of Computer Science Research Abstract

Perkembangan media sosial telah mengubah pola komunikasi masyarakat, termasuk dalam menyampaikan opini terhadap isu-isu publik. Salah satu isu yang sering dibahas adalah Kementerian Komunikasi dan Informatika (Kominfo). Media sosial X menjadi salah satu platform utama yang digunakan masyarakat untuk menyuarakan pendapat secara terbuka. Oleh karena itu dibutuhkan metode analisis yang mampu menangkap dan memahami sentimen publik. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Kominfo menggunakan algoritma Bidirectional Encoder Representations from Transformers (BERT), yang dikenal memiliki kemampuan unggul dalam memahami text. Data dikumpulkan melalui teknik scraping dengan kata kunci “kominfo, kemudian dilakukan tahapan pre-processing seperti cleaning, case folding, translation, tokenization, stopwords removal, dan stemming. Data yang telah dibersihkan kemudian diberi label sentimen menggunakan metode leksikon VADER dan diklasifikasikan ke dalam tiga kategori, positif, netral, dan negatif. Model BERT dilatih menggunakan data yang telah diproses dengan pembagian 80% untuk training, 10% validation, dan 10% testing. Hasil evaluation menunjukkan bahwa model BERT mampu mengklasifikasikan sentimen dengan accuracy sebesar 84%, serta nilai precision, recall, dan F1-score yang seimbang di seluruh kelas.

Conclusion

BERT efektif dalam menganalisis opini publik terhadap instansi pemerintah melalui media sosial X.Penelitian ini membuktikan bahwa algoritma BERT dapat digunakan secara efektif untuk melakukan analisis sentimen terhadap opini publik terkait Kominfo di media sosial X.Proses dimulai dari pengumpulan data melalui teknik scraping, dilanjutkan dengan tahap pre-processing yang komprehensif seperti cleaning, case folding, translate, tokenize, stopword removal, hingga stemming.Label sentimen diperoleh dari menggunakan lexicon VADER dengan perolehan sentimen positif, negatif dan netral.Pemodelan BERT dilakukan dengan membagi data ke dalam data training, validation, dan testing, yang kemudian melalui tokenize dan diproses dalam batch untuk efisiensi.

Future Research

Berdasarkan hasil penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dilakukan untuk memperdalam pemahaman mengenai analisis sentimen terhadap Kominfo di media sosial X. Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan teknik-teknik advanced NLP seperti sentiment lexicon yang lebih spesifik untuk bahasa Indonesia, atau kombinasi dengan metode machine learning lainnya untuk meningkatkan akurasi klasifikasi sentimen. Kedua, penelitian dapat difokuskan pada analisis sentimen lintas platform media sosial, seperti membandingkan sentimen terhadap Kominfo di Twitter, Facebook, dan Instagram untuk mendapatkan gambaran yang lebih komprehensif. Ketiga, penelitian dapat mengkaji pengaruh faktor-faktor eksternal seperti peristiwa tertentu atau kebijakan baru terhadap perubahan sentimen publik terhadap Kominfo, dengan menggunakan metode time series analysis atau event study. Dengan demikian, hasil penelitian dapat memberikan wawasan yang lebih mendalam bagi Kominfo dalam memahami persepsi publik dan merespons isu-isu yang berkembang.

References

1. Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE | AITI.... doi.org/10.24246/aiti.v18i2.173-184Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE AITI doi 10 24246 aiti v18i2 173 184
2. Klasifikasi Emosi Pada Data Text Bahasa Indonesia Menggunakan Algoritma BERT, RoBERTa, dan Distil-BERT... ejurnal.stmik-budidarma.ac.id/index.php/mib/article/view/7472Klasifikasi Emosi Pada Data Text Bahasa Indonesia Menggunakan Algoritma BERT RoBERTa dan Distil BERT ejurnal stmik budidarma ac index php mib article view 7472
3. Aksara: Jurnal Ilmu Pendidikan Nonformal. aksara jurnal ilmu pendidikan nonformal issn print peer reviewed... ejurnal.pps.ung.ac.id/index.php/AksaraAksara Jurnal Ilmu Pendidikan Nonformal aksara jurnal ilmu pendidikan nonformal issn print peer reviewed ejurnal pps ung ac index php Aksara
4. Analisis Sentimen Terhadap Pembelajaran Secara Daring Pasca Pandemi Covid-19 Menggunakan Metode IndoBERT... 101.255.92.196/index.php/IMBI/article/view/2719Analisis Sentimen Terhadap Pembelajaran Secara Daring Pasca Pandemi Covid 19 Menggunakan Metode IndoBERT 101 255 92 196 index php IMBI article view 2719
5. Pemodelan Machine Learning : Analisis Sentimen Masyarakat Terhadap Kebijakan PPKM Menggunakan Data Twitter... apic.id/jurnal/index.php/jsc/article/view/191Pemodelan Machine Learning Analisis Sentimen Masyarakat Terhadap Kebijakan PPKM Menggunakan Data Twitter apic jurnal index php jsc article view 191

Metadata

File size	460.67 KB
Pages	10
DMCA	Report