Publisher

IOINFORMATICIOINFORMATIC

Journal JUKI : Jurnal Komputer dan InformatikaJUKI : Jurnal Komputer dan Informatika Abstract

Pemilihan Umum (Pemilu) merupakan peristiwa politik penting yang memicu banyak diskusi di media sosial, terutama di platform seperti Twitter. Analisis sentimen dari diskusi ini dapat memberikan wawasan mengenai pandangan masyarakat terhadap calon, partai, serta isu-isu yang terkait. Penelitian ini fokus pada penerapan dua model deep learning, yaitu Long Short-Term Memory (LSTM) dan Bidirectional Encoder Representations from Transformers (BERT), untuk menganalisis sentimen diskusi Twitter tentang Pemilu 2024. Kedua model ini dipilih karena kemampuan mereka dalam menangani data teks yang kompleks dan konteks bahasa alami. Dataset yang digunakan dalam penelitian ini terdiri dari ribuan tweet terkait Pemilu 2024, yang diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Data terlebih dahulu diproses melalui tahap pembersihan teks dan tokenisasi. Model LSTM dan BERT dilatih menggunakan dataset ini untuk memprediksi sentimen dengan fokus pada peningkatan akurasi prediksi. Hasil eksperimen menunjukkan bahwa model BERT secara konsisten memberikan performa yang lebih baik dibandingkan dengan LSTM. Model BERT berhasil mencapai akurasi validasi sebesar 76.48% pada epoch kedua, sedangkan model LSTM hanya mencapai akurasi maksimal 87 %. Meskipun demikian, model BERT mulai menunjukkan gejala overfitting pada epoch ketiga, dengan peningkatan nilai loss pada data validasi. Hal ini menunjukkan bahwa tuning lebih lanjut pada hyperparameter seperti jumlah epoch dan learning rate diperlukan untuk meningkatkan generalisasi model. Sementara itu, model LSTM menunjukkan stabilitas yang lebih baik, meskipun akurasinya lebih rendah, terutama dalam menangani dependensi konteks yang lebih sederhana. Secara keseluruhan, penelitian ini menegaskan bahwa model BERT lebih efektif dalam menangkap konteks kompleks pada teks Twitter terkait Pemilu 2024 dibandingkan dengan LSTM. Namun, tantangan seperti overfitting dan optimasi hyperparameter tetap menjadi perhatian utama. Untuk meningkatkan performa lebih lanjut, perlu dipertimbangkan teknik augmentasi data dan tuning hyperparameter yang lebih optimal. Penelitian ini juga membuka peluang untuk pengembangan model hibrida yang menggabungkan keunggulan LSTM dan BERT dalam analisis sentimen berbasis teks.

Conclusion

Penelitian ini mengevaluasi model LSTM dan BERT untuk klasifikasi sentimen pada tweet Pemilu 2024, menunjukkan bahwa BERT memberikan akurasi lebih tinggi namun keduanya mengalami masalah overfitting.Hasil menunjukkan pentingnya penyesuaian hyperparameter, regularisasi, dan augmentasi data untuk meningkatkan performa masing‑masing model.Kedua model memiliki potensi signifikan dalam analisis sentimen, tetapi harus dipilih sesuai karakteristik data dan tujuan aplikasi, serta dapat dioptimalkan lewat pengembangan lebih lanjut.

Future Research

Penelitian selanjutnya dapat mengeksplorasi dampak teknik augmentasi data lanjutan, seperti back‑translation dan synonym replacement, terhadap peningkatan akurasi model BERT pada analisis sentimen tweet Pemilu 2024; selanjutnya, dapat dikembangkan arsitektur hibrida yang menggabungkan LSTM dan BERT dengan mekanisme attention khusus untuk mengurangi overfitting serta meningkatkan kemampuan menangkap dependensi temporal dan konteks semantik; terakhir, penelitian dapat menilai efektivitas transfer learning menggunakan model multilingual BERT untuk menangani tweet multibahasa yang muncul selama kampanye, sehingga memperluas cakupan analisis sentimen di lingkungan linguistik yang beragam.

References

1. Radware Bot Manager Captcha. radware bot manager captcha apologize ensure keep safe please confirm human... doi.org/10.1088/1757-899x/1074/1/012007Radware Bot Manager Captcha radware bot manager captcha apologize ensure keep safe please confirm human doi 10 1088 1757 899x 1074 1 012007
2. Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python | JURNAL RISET... doi.org/10.30865/JURIKOM.V10I2.5945Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python JURNAL RISET doi 10 30865 JURIKOM V10I2 5945

Metadata

File size	249.27 KB
Pages	8
DMCA	Report