ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulANALISIS SENTIMEN PEMILIHAN KABINET MENTERI 2024-2029 DI MEDIA SOSIAL X (TWITTER) MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM) |
| Nama: RIVALDI SABALA |
| Tahun: 2025 |
| Abstrak Perkembangan teknologi komunikasi dan maraknya penggunaan media sosial telah mengubah cara masyarakat menyampaikan pendapat, kritik, dan saran secara lebih cepat dan luas. Studi kasus pada pemilihan kabinet menteri Indonesia periode 2024-2029 menjadi fokus utama penelitian ini untuk menggambarkan sentimen publik terhadap kebijakan penting pemerintah. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap pemilihan kabinet menteri periode 2024- 2029 di media sosial X (Twitter) menggunakan algoritma Long Short-Term Memory (LSTM). Data sebanyak 10.229 tweet dikumpulkan melalui teknik Scraping dan kemudian melalui proses pre processing dan pelabelan otomatis menggunakan Lexicon-based. Fitur teks diubah menjadi representasi numerik menggunakan metode TF-IDF sebelum dimasukkan kedalam model LSTM. Hasil pelatihan menunjukkan akurasi validasi sebesar 94?n akurasi pada data uji sebesar 84.45?ngan nilai AUC-ROC melebihi 0.95 untuk kelas negatif dan positif. Evaluasi menggunakan Confusion matrix menunjukkan performa antara precision dan recall yang tinggi. Namun, akurasi pada sentimen netral masih relatif rendah. Analisis sentimen memperlihatkan dominasi opini negatif sebesar 50,1%, diikuti oleh sentimen positif sebesar 35,5%, serta sentimen netral sebesar 14,3%. Kata Kunci: Analisis Sentimen, Kabinet Menteri 2024-2029, LSTM, TF-IDF, Media Sosial X (Twitter), Klasifikasi sentimen |