Klasifikasi Sentimen dan Pemodelan Topik MBKM Menggunakan Ensemble Learning dan Latent Dirichlet Allocation pada Media Sosial X
Tahun 2024 · Penulis: Ardin Nugraha
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
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 pendapatnya melalui media sosial seperti X, instagram, facebook, dan lain lain. Salah satu media sosial yang ramai digunakan untuk menyampaikan sentimen maupun gagasan adalah X. Kemudahan dalam menyampaikan pendapat melalui melalui media sosial X membuat banyaknya pendapat mengenai suatu topik atau produk tertentu. Dengan banyaknya pendapat tersebut, dibutuhkan sebuah cara untuk mengklasifikasikan pendapat secara cepat seperti menggunakan machine learning. MBKM adalah kebijakan Kemendikbud Ristek RI (Kementerian Pendidikan, Kebudayaan, Riset dan Teknologi Republik Indonesia) bertujuan untuk menunjang persiapan kompetensi mahasiswa untuk mengatasi kebutuhan zaman seiring dengan perkembangan dunia kerja dan teknologi yang berkembang pesat. Pendapat publik mengenai program MBKM yang dipublikasikan melalui media sosial X sangat beragam, mulai dari pendapat positif, negatif, dan netral. Perbedaan pendapat tersebut menyebabkan perlunya penelitian lebih lanjut mengenai sentimen MBKM.Kemudian peneliti akan melakukan sebuah penelitian mengenai sentimen pendapat publik mengenai program Merdeka Belajar Kampus Merdeka (MBKM) menggunakan Ensemble Learning Voting dengan kombinasi algoritma Random Forest, Naïve Bayes, dan Support Vector Machine untuk mengetahui hasil akurasi Ensemble Learning Voting dan Latent Dirichlet Allocation untuk menemukan berbagai topik yang timbul berdasarkan pendapat. Penelitian ini mendapatkan hasil klasifikasi sentimen MBKM bahwa dengan menggunakan metode ensemble learning voting terbukti mendapatkan hasil efektifitas yang lebih baik dari model tunggal. Kemudian pada pemodelan topik sentimen MBKMberdasarkan kata kuncinya jumlah topik yang berhasil diidentifikasi dari masing-masing kata kunci berdasarkan jenis sentimennya paling banyak terdapat 4 topik dan paling sedikit 2 topik.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,947
Tahun 2024 · Penulis: Ardin Nugraha
Klasifikasi Sentimen dan Pemodelan Topik MBKM Menggunakan Ensemble Learning dan Latent Dirichlet Allocation pada Media Sosial X
Sentimental adalah pendapat atau informasi yang disampaikan oleh orang-orang untuk menilai topik atau produk tertentu. Sentimental biasanya disampaikan secara lisan atau secara tertulis. Sejak perkembangan teknologi, banyak orang menyampaikan pendapat mereka m
- Cosine 0,766
Tahun 2026 · Penulis: Faticka Rachma Dinda
Analisis Tindak Tutur Komentar Kritik Netizen Tik Tok Pada Akun CNN Indonesia Tentang Pernyataan Bahlil Lahadalia Terkait Pencampuran Bensin Dan Etanol
Penelitian ini bertujuan menganalisis bentuk tindak tutur dalam komentar kritik netizen TikTok terhadap pernyataan Bahlil Lahadalia mengenai kebijakan pencampuran bensin dan etanol. Penelitian menggunakan pendekatan deskriptif kualitatif dengan sumber data ber
- Cosine 0,756
Tahun 2026 · Penulis: Winursita Devi Pramesthi
Analisis Sentimen pada Media Sosial X Terhadap Kebijakan Ketahanan Pangan di Indonesia dengan Metode INDOBERT dan BERTopic
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 kate