Publisher

UM SURABAYAUM SURABAYA

Journal MUST: Journal of Mathematics Education, Science and TechnologyMUST: Journal of Mathematics Education, Science and Technology Abstract

Reshuffle Menteri Keuangan pada tahun 2025 memicu perhatian publik luas dan menghasilkan dinamika opini di media sosial, khususnya X. Opini publik yang terekam dalam bentuk teks bersifat masif, real-time, dan tidak terstruktur, sehingga menghadirkan tantangan analisis karena penggunaan bahasa informal serta distribusi kelas sentimen yang tidak seimbang. Penelitian ini bertujuan untuk mengidentifikasi sentimen publik terkait reshuffle Menteri Keuangan dengan memanfaatkan integrasi GPT-4o dan IndoBERT. GPT-4o digunakan sebagai instrumen augmentasi data untuk memperkaya kelas minoritas, sedangkan IndoBERT berperan sebagai model klasifikasi sentimen yang dioptimalkan untuk bahasa Indonesia. Hasil penelitian menunjukkan bahwa pendekatan ini mampu meningkatkan kualitas representasi data dan stabilitas klasifikasi. Model IndoBERT yang dilatih dengan data hasil augmentasi mencapai akurasi 86% dan macro-F1 sebesar 0,86, dengan performa terbaik pada kelas negatif (F1=0,88), disusul positif (F1=0,86) dan netral (F1=0,83). Temuan ini menegaskan bahwa integrasi GPT-4o dan IndoBERT efektif dalam mengatasi imbalanced data serta meningkatkan keandalan analisis sentimen berbahasa Indonesia. Penelitian ini tidak hanya memperkaya literatur analisis teks di Indonesia, tetapi juga memberikan kontribusi praktis bagi pembuat kebijakan dan media dalam memahami opini publik secara lebih proporsional.

Conclusion

Penelitian ini berhasil menunjukkan bahwa masalah ketidakseimbangan data dalam analisis sentimen di media sosial X terkait isu reshuffle Menteri Keuangan dapat diatasi melalui augmentasi teks menggunakan GPT-4o.Pendekatan ini mampu menyeimbangkan proporsi kelas sekaligus menjaga kebaruan dan keragaman data sintesis, sehingga menghasilkan model IndoBERT dengan performa klasifikasi yang andal.Integrasi model generatif dan transformer terbukti efektif dalam mengurangi bias model dan memperkuat analisis sentimen sebagai alat untuk memahami persepsi publik terhadap kebijakan pemerintah.

Future Research

Pertama, perlu diteliti apakah augmentasi data menggunakan model bahasa besar lainnya, seperti LLaMA atau Qwen, dapat memberikan hasil yang lebih beragam atau stabil dibanding GPT-4o dalam konteks bahasa Indonesia yang sangat dinamis. Kedua, penting untuk mengembangkan penelitian yang mengevaluasi efektivitas augmentasi GPT-4o pada isu publik yang berbeda, seperti kebijakan pendidikan atau kesehatan, untuk melihat sejauh mana pendekatan ini dapat digeneralisasi. Ketiga, perlu dikaji bagaimana cara mengintegrasikan deteksi otentisitas emosi dalam analisis sentimen, terutama untuk membedakan antara opini organik dengan sentimen yang dihasilkan oleh kampanye terkoordinasi atau bot, sehingga hasil analisis lebih akurat mencerminkan opini masyarakat sebenarnya. Penggabungan ketiga arah penelitian ini dapat membuka jalan bagi sistem analisis opini publik yang lebih cerdas, adaptif, dan tahan terhadap manipulasi digital. Dengan pendekatan yang lebih komprehensif, hasil analisis dapat memberikan gambaran yang lebih valid tentang persepsi masyarakat, yang sangat penting bagi pemerintah dan lembaga terkait dalam pengambilan keputusan strategis. Selain itu, pengembangan model yang mampu mengenali ironi dan sarkasme secara lebih akurat juga perlu dieksplorasi lebih lanjut. Keberhasilan pendekatan augmentasi harus terus dievaluasi dalam konteks isu-isu sensitif dan berkembang cepat. Penelitian lanjutan juga harus mempertimbangkan aspek etis dari penggunaan model generatif untuk manipulasi data opini publik. Sistem yang andal harus tidak hanya akurat, tetapi juga transparan dan bertanggung jawab terhadap potensi penyalahgunaannya. Oleh karena itu, integrasi aspek teknis dan etika menjadi kunci dalam pengembangan analisis sentimen generasi berikutnya.

Metadata

File size	1.31 MB
Pages	17
DMCA	Report