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
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
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 melalui media sosial seperti X, Instagram, Facebook, dan lainnya. Salah satu media sosial yang umum digunakan untuk menyampaikan sentimen dan gagasan adalah X. Kemudahan menyampaikan pendapat melalui media sosial dengan begitu banyak opini, kita perlu cara untuk mengklasifikasikan opini dengan cepat, seperti menggunakan pembelajaran mesin. MBKM adalah kebijakan Kementerian Pendidikan dan Kebudayaan, Riset dan Teknologi Republik Indonesia (Ministry of Education, Culture, Research and Technology of the Republic of Indonesia) yang bertujuan untuk mendukung persiapan kompetensi kompetensi siswa untuk memenuhi kebutuhan waktu sejalan dengan perkembangan pesat dunia kerja dan teknologi. Pendapat publik mengenai program MBKM yang diterbitkan melalui media sosial X sangat beragam, mulai dari pendapat positif, negatif dan netral. Perbedaan pendapat ini mengarah pada kebutuhan untuk penelitian lebih lanjut tentang sentimen MBKM. Kemudian, peneliti akan melakukan riset mengenai opini publik sehubungan dengan program MBKM yang menggunakan Pemilihan Belajar Ensemble dengan kombinasi Hutan Acak, Teluk Naïve, dan Dukungan Algoritma Mesin Vektor untuk menentukan hasil akurasi dari Pengelajaran yang Emble dan Dirichlet Alokasi untuk menemukan berbagai topik yang muncul berdasarkan pendapat. Penelitian ini memperoleh hasil dari klasifikasi sentimen Merdeka Belajar Kampus Merdeka menggunakan metode pembelajaran ensemble yang terbukti mendapatkan hasil efektif lebih baik daripada satu model. Kemudian dalam model topik sentimen MBKM berdasarkan kata kunci, jumlah topik yang berhasil diidentifikasi dari setiap kata kunci berdasarkan tipe sentimen adalah maksimum 4 topik dan minimal 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
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
- Cosine 0,753
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
- Cosine 0,752
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