Analisis Sentimen Dan Deteksi Sarkasme Pada Opini Publik Proyek Kcic Whoosh DI Media Sosial X
Tahun 2026 · Penulis: Akbar Aditya Firmansyah
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/15184
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Proyek Kereta Cepat Indonesia-China (KCIC) Whoosh yang menghubungkan Jakarta dan Bandung menimbulkan beragam opini publik di media sosial X, yang sering mengandung sarkasme berupa pernyataan negatif dengan nada seolah-olah positif sehingga dapat menyebabkan analisis sentimen menjadi keliru apabila tidak dikenali. Penelitian terdahulu umumnya memperlakukan analisis sentimen dan deteksi sarkasme sebagai dua proses terpisah, padahal keduanya saling memengaruhi akurasi hasil. Penelitian ini bertujuan menganalisis sentimen publik terhadap proyek KCIC Whoosh sekaligus mengevaluasi kinerja model Logistic Regression untuk analisis sentimen yang dikombinasikan dengan model Long Short-Term Memory (LSTM) untuk deteksi sarkasme. Data penelitian terdiri atas 10.000 cuitan berbahasa Indonesia yang dikumpulkan dari platform X periode Agustus 2025–Januari 2026 menggunakan tweet-harvest, kemudian diproses melalui preprocessing, pelabelan sentimen dengan InSet Lexicon, ekstraksi fitur TF-IDF, embedding FastText, dan evaluasi menggunakan Stratified K-Fold Cross Validation (K=5). Hasil penelitian menunjukkan model Logistic Regression mencapai akurasi 73%, sedangkan model LSTM mencapai akurasi deteksi sarkasme rata-rata 75,48% dengan macro F1-score 0,62. Opini publik didominasi sentimen negatif (60,95%), dan setelah koreksi sarkasme, 23,4% data berlabel positif berubah menjadi negatif. Temuan ini menegaskan bahwa integrasi deteksi sarkasme ke dalam analisis sentimen penting untuk menghasilkan gambaran opini publik yang lebih akurat terhadap proyek infrastruktur nasional
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,801
Tahun 2026 · Penulis: Darojatul Alya Anwar
Analisis Sentimen Pengguna X Terhadap Penetapan UKT di Indonesia Menggunakan Metode Support Vector Machine
Analisis sentimen merupakan salah satu teknik dalam pengolahan bahasa alami (Natural Language Processing) yang bertujuan untuk mengelompokkan opini atau pandangan masyarakat ke dalam kategori sentimen positif, negatif, dan netral. Teknik ini digunakan untuk me
- Cosine 0,788
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 0,776
Tahun 2026 · Penulis: Ubaid Farid Handoko
Ekstraksi Opini Negatif dan Klasifikasi Sentimen Pengguna Menggunakan Latent Dirichlet Allocation dan Support Vector Machine pada Program Danantara di Media Sosial X
Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Program Danantara di media sosial X dengan menggabungkan Latent Dirichlet Alokasi (LDA) untuk ekstraksi topik dan Dukungan Mesin Vektor (SVM) untuk klasifikasi sentimen. Dataset terdiri dari