UNRIYOUNRIYO

International Journal of Informatics and ComputationInternational Journal of Informatics and Computation

Korupsi merupakan salah satu isu paling mendesak di Indonesia, yang secara signifikan memengaruhi kepercayaan publik terhadap pemerintahan dan perkembangan nasional. Dalam banyak kasus korupsi yang muncul, kasus korupsi sebesar 271 triliun rupiah baru-baru ini menarik perhatian luas dan diskusi publik. Memahami persepsi dan sentimen publik terhadap kasus-kasus seperti ini dapat memberikan wawasan berharga mengenai dampaknya terhadap masyarakat. Peneliti mengidentifikasi kesempatan untuk memanfaatkan analisis sentimen sebagai metode untuk menangkap dan menganalisis sentimen publik dalam konteks ini. Dataset untuk studi ini dikumpulkan dari platform media sosial Twitter (X) menggunakan teknik crawling data. Sebelum analisis, pra-pemrosesan dilakukan untuk membersihkan dan mempersiapkan data. Setelah pra-pemrosesan, data dikategorikan menjadi tiga label sentimen: negatif, positif, dan netral. Untuk melakukan klasifikasi sentimen, studi ini menggunakan algoritma LSTM (Long Short-Term Memory), sebuah metode pembelajaran mendalam yang sangat cocok untuk analisis data berurutan. Model dilatih selama total 10 epoch. Hasil klasifikasi menunjukkan bahwa algoritma LSTM mencapai akurasi 0,9365 pada epoch ke-10, menunjukkan efektivitasnya dalam menganalisis sentimen publik terhadap kasus korupsi 271 triliun rupiah.

Studi ini berhasil mencapai tujuannya dalam menganalisis sentimen publik terhadap kasus korupsi 271 triliun menggunakan algoritma Long Short-Term Memory (LSTM), mencapai akurasi sebesar 0,9365.Temuan menunjukkan kemampuan LSTM untuk memproses pola linguistik kompleks dan memberikan wawasan yang berarti, menyoroti potensinya yang signifikan dalam menganalisis isu sosial.Namun, studi ini menghadapi beberapa keterbatasan, termasuk penggunaan dataset kecil dan tidak seimbang, yang memengaruhi akurasi model dan menyebabkan overfitting.Metode pra-pemrosesan dan ekstraksi fitur juga memerlukan peningkatan untuk menangani lebih baik noise dan menangkap fitur linguistik yang nuansatif.Keterbatasan ini menekankan pentingnya data berkualitas tinggi dalam studi pembelajaran mesin untuk memastikan hasil yang lebih andal.Penelitian masa depan diharapkan menggunakan dataset yang lebih besar dan beragam untuk meningkatkan generalisasi model dan mengurangi risiko overfitting.Selain itu, pengembangan strategi pra-pemrosesan yang lebih maju dan eksplorasi model hibrida dapat lebih memperhalus kinerja algoritma.Mengintegrasikan pengetahuan spesifik bidang dan sumber daya eksternal juga akan memperkaya analisis dan mendukung klasifikasi sentimen yang lebih akurat.

1. Mempelajari penggunaan model hibrida seperti kombinasi LSTM dengan Convolutional Neural Network (CNN) untuk meningkatkan akurasi klasifikasi sentimen terhadap kasus korupsi besar. 2. Mengembangkan metode pra-pemrosesan yang lebih efektif untuk mengatasi noise dan menangkap nuansa linguistik dalam data media sosial Indonesia. 3. Menganalisis dampak perbedaan penjara terhadap opini publik melalui studi banding dengan kasus korupsi lain di Indonesia dengan nilai kerugian berbeda.

Read online
File size319.84 KB
Pages10
DMCAReport

Related /

ads-block-test