Penerapan Metode BERT (Bidirectional Encoder Repretentations From Transformers) Pada Analisis Emosi Terhadap Program Kerja Lapor Mas Wapres Presiden RI Dengan Presepsi Pengguna Media Sosial X
Abstract
Analisis sentimen dan emosi publik terhadap program kerja Lapor Mas Wapres Presiden Republik Indonesia menjadi salah satu aspek penting dalam memahami respons masyarakat di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen publik menggunakan metode Bidirectional Encoder Representations from Transformers (BERT), khususnya IndoBERT, dalam mengklasifikasikan emosi yang muncul dalam opini masyarakat di platform media sosial X. Hal ini mengindikasikan bahwa publik secara umum memberikan apresiasi positif terhadap program kerja Lapor Mas Wapres, meskipun masih terdapat kritik yang cukup banyak. Model IndoBERT yang digunakan dalam penelitian ini mencapai akurasi sebesar 92%, menunjukkan bahwa model ini mampu mengklasifikasikan sentimen dengan baik. Dengan demikian, hasil analisis ini dapat memberikan gambaran yang cukup akurat mengenai persepsi publik terhadap program kerja pemerintah yang sedang berjalan.
Keywords
References
L. A. Andika, P. A. N. Azizah, dan R. Respatiwulan, “Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier,” Indones. J. Appl. Stat., vol. 2, no. 1, hal. 34, 2019, doi: 10.13057/ijas.v2i1.29998.
A. Aliyah dkk., “BRIDGE : Jurnal publikasi Sistem Informasi dan Telekomunikasi Analisis Sentimen Twitter Terhadap Tren Penyebaran Informasi Pelaku Kejahatan Menggunakan Algoritma Naives Bayes,” no. 2, hal. 85–97, 2024.
Wahyu Sejati, Ankur Singh Bist, dan Amirsyah Tambunan, “Pengembangan Analisis Sentimen dalam Rekayasa Software Engineering menggunakan tinjauan literatur sistematis,” J. MENTARI Manajemen, Pendidik. dan Teknol. Inf., vol. 2, no. 1, hal. 95–103, 2023, doi: 10.33050/mentari.v2i1.377.
P. W. Ciady dkk., “BOT DISCORD DENGAN METODE ANALISIS SENTIMEN BERBASIS LEKSIKON,” vol. 8, no. 5, hal. 10493–10498, 2024.
Y. A. N. Jannah dan R. B. Prasetyo, “Analisis Sentimen dan Emosi Publik pada Awal Pandemi COVID-19 Berdasarkan Data Twitter dengan Pendekatan Berbasis Leksikon (Analysis of Public Sentiment and Emotion at the Beginning of COVID-19 Pandemic Based on Twitter Data with Lexicon Based Approach),” Semin. Nas. Off. Stat. 2022, hal. 597–607, 2022.
A. C. T. Angel, V. H. Pranatawijaya, dan W. Widiatry, “Analisis Sentimen dan Emosi dari Ulasan Google Maps Untuk Layanan Rumah Sakit di Palangka Raya Menggunakan Machine Learning,” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 4, no. 1, hal. 35–49, 2024, doi: 10.24002/konstelasi.v4i1.8924.
R. Kusnadi, Y. Yusuf, A. Andriantony, R. Ardian Yaputra, dan M. Caintan, “Analisis Sentimen Terhadap Game Genshin Impact Menggunakan Bert,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 6, no. 2, hal. 122–129, 2021, doi: 10.36341/rabit.v6i2.1765.
K. A. Wijaya, A. Romadhony, dan D. Richasdy, “Implementasi Model IndoBERT pada Dashboard Sentimen Media Sosial (Studi Kasus Universitas XYZ),” eProceedings Eng., vol. 10, no. 4, hal. 3910–3926, 2023.
A. A. Mudding, “Mengungkap Opini Publik: Pendekatan BERT-based-caused untuk Analisis Sentimen pada Komentar Film,” J. Syst. Comput. Eng., vol. 5, no. 1, hal. 36–43, 2024, doi: 10.61628/jsce.v5i1.1060.
DOI: http://dx.doi.org/10.30659/ei.7.1.%25p
Refbacks
- There are currently no refbacks.