Analisis Sentimen pada Media Sosial X Terhadap Kebijakan Ketahanan Pangan di Indonesia dengan Metode INDOBERT dan BERTopic
Tahun 2026 · Penulis: Winursita Devi Pramesthi
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/13693
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Analisis sentimen salah satu bidang studi komputer yang digunakan untuk memahami pendapat, sikap, serta emosi seseorang. Selain itu merupakan salah satu metode untuk menarik kesimpulan atau mengungkapkan atas informasi subjektif. Secara umum terdapat tiga kategori sentimen yaitu positif, negatif, dan netral. Ketahanan pangan salah satu agenda program prioritas pada periode pemerintahan saat ini dibawah kepemimpinan Presiden Prabowo dengan alokasi anggaran mencapai Rp164,4 triliun agar kondisi pangan tiap rumah tangga terpenuhi. Maka dari itu program ketahanan pangan ini menjadi topik yang ramai dibicarakan oleh masyarakat di media sosial. Tujuan penelitian ini untuk melakukan evaluasi sentimen masyarakat terkait program pemerintah yaitu ketahanan pangan dengan menggunakan metode machine learning. IndoBERT merupakan modifikasi dari BERT base yang telah disesuaikan untuk implementasi ke Bahasa Indonesia. Salah satu model sentiment analisis IndoBERT yang telah dilatih yaitu w11wo/indonesian-roberta-base-sentimentclassifier, dimana dibangun berdasarkan model dengan menggunakan 4 miliar kata teks Bahasa Indonesia dari berbagai platform online. Dengan skala tersebut IndoBERT dapat membangun representasi makna dalam Bahasa Indonesia. Selain itu, digunakan BERTopic yang merupakan model berdasarkan pada BERT digunakan untuk pemodelan topik. BERTopic berfungsi untuk mengetahui topiktopik opini pada dokumen teks, sehingga didapat hasil analisis sentimen lebih detail pada tiap topik. Data yang digunakan dalam penelitian ini adalah kumpulan data opini publik terkait program prioritas ketahanan pangan pada media sosial X. Data yang digunakan untuk analisis sebanyak 15.812 data dari rentang Waktu 20 Oktober 2024 hingga 31 Maret 2026. Hasil penelitian menunjukkan bahwa klasifikasi dengan model metode IndoBERT didapatkan sebanyak 10.427 (65,9%) merupakan data netral, 3.557 (22,5%) data bernuansa positif, sedangkan 1.828 (11,6%) data negatif. Dengan menggunakan metode BERTopic didapatkan bahwa topik 8 merupakan topik paling optimal dengan coherence score 0,52. Analisis pola tren menunjukkan bahwa tren sentimen antar topik bersifat dinamis dan situasional dengan karakteristiknya masing-masing pada tiap topik.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,769
Tahun 2026 · Penulis: Shafa Kamila
Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Dinamika politik yang mengarah ke Eleksi Jember Regional 2024 memicu lonjakan signifikan opini publik di YouTube dan platform TikTok. Bahasa media sosial yang tidak resmi, termasuk bahasa slang, singkatan, dan dialek campuran, menghadirkan tantangan analisis m
- Cosine 0,758
Tahun 2026 · Penulis: Vialita Novarina Subagia
Variasi Bahasa dalam Komunitas BTS World Tour in Jakarta 2026 di Platform X: Kajian Sosiolinguistik
Penelitian ini mengkaji variasi bahasa dalam komunitas BTS World Tour in Jakarta 2026 di platform X menggunakan pendekatan sosiolinguistik dengan kerangka analisis teori SPEAKING Dell Hymes (1974). Metode yang digunakan yaitu kualitatif deskriptif dengan 20 po
- Cosine 0,756
Tahun 2024 · Penulis: Ardin Nugraha
Klasifikasi Sentimen dan Pemodelan Topik MBKM Menggunakan Ensemble Learning dan Latent Dirichlet Allocation pada Media Sosial X
Sentimen merupakan pendapat atau informasi yang disampaikan oleh individu untuk menilai suatu topik atau produk tertentu. Sentimen biasanya disampaikan secara lisan atau tertulis. Sejak berkembangnya teknologi, banyak masyarakat yang menyampaikan sentimen atau