Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Tahun 2026 · Penulis: Shafa Kamila
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
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 manual. Penelitian ini menerapkan pendekatan Natural Language Processing (NLP), dimulai dengan tahap preprosesing seperti pembersihan teks, pelipatan kasus, normalisasi, tokenisasi, penghapusan stopword, dan memancangkan untuk meningkatkan kualitas data. Modeling Topic dilakukan menggunakan Latent Dirichlet Alokasi (LDA) untuk mengidentifikasi isu strategis yang dibahas secara online, yang lebih halus menggunakan Summarisasi BERT untuk mengekstrak tema inti setiap topik. Klasifikasi Sentimen dilakukan menggunakan sebuah model IndoBERT yang telah ditonjolkan pada 6.500 contoh dari dataset IndoNLU SmSA melalui sampling terstrated. Analisis 33.392 komentar berhasil mengidentifikasi sembilan topik utama, dengan Gambar Kepemimpinan dan Pencapaian yang muncul sebagai yang paling dominan dalam hal volume (5.719 komentar). Topik dengan proporsi sentimen negatif tertinggi adalah "Promises vs Bukti" (68,9%) dan Evaluasi Perbandingan (60,3%). Penyebaran sentimen secara berlebihan didominasi oleh sentimen negatif (sekitar 46%), diikuti oleh positif (32%) dan netral (21%). Model IndoBERT menunjukkan kinerja yang kuat, mencapai 91.20% Akurasi, 91.23% Presisi, 91.20% Recall, dan 90.94% F1-Score. Temuan ini menunjukkan bahwa ceramah online seputar pemilu Jember dicirikan lebih dari sekadar evaluasi kritis daripada dukungan murni, mencerminkan polarisasi signifikan opini publik di arena politik digital.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,809
Tahun 2026 · Penulis: Ainiyyah Wulandari Kusuma Widya
Analisis Sentimen Pada Komentar YouTube Terhadap Video Clash of Champions Season 2 Menggunakan Metode Xgboost
Penelitian ini bertujuan untuk mengevaluasi kinerja Extreme Gradient Boost (XGBoosst) algoritma dalam klasifikasi sentimen YouTube komentar pada seri video pendidikan "Clash of Champions Season 2." Komentar pengguna di media sosial platform menghasilkan volume
- Cosine 0,802
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 0,800
Tahun 2025 · Penulis: Hamdan Adnandar Wishol
Analisis Sentimen Masyarakat Terhadap Fenomena #Kaburajadulu Menggunakan Metode Random Forest
Media sosial saat ini menjadi sarana penting bagi masyarakat dalam menyampaikan opini, termasuk mengkritisi kondisi sosial, ekonomi, dan politik di Indonesia. Salah satu fenomena yang ramai diperbincangkan di platform X (sebelumnya dikenal sebagai Twitter) ada