Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JOINTECOMS (Journal of Information Technology and Computer Science)
Kevin Wilbert Sachio
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Palangka Raya
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Algoritma CNN, BiLSTM, dan BERT untuk Analisis Sentimen Berbasis Aspek dan Deteksi Emosi Opini Publik pada Kebijakan Pemerintah Makan Siang Gratis dan Kenaikan PPN 12 Persen Kevin Wilbert Sachio; Viktor Handrianus Pranatawijaya; Jadiaman Parhusip
Journal of Information Technology and Computer Science Vol. 6 No. 2 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i2.27856

Abstract

Penelitian ini mengkaji respons publik terhadap kebijakan pemerintah, khususnya "Program Makan Siang Gratis" dan "Kenaikan PPN 12%", melalui analisis sentimen berbasis aspek dan deteksi emosi menggunakan teknik deep learning. Pemahaman terhadap persepsi masyarakat terhadap kebijakan publik sangat penting untuk merancang kebijakan yang lebih efektif, di mana analisis sentimen berbasis aspek dengan model deep learning seperti BERT, BiLSTM, dan CNN menjadi alat yang efektif untuk mengidentifikasi pandangan publik. Tujuan utama penelitian ini adalah untuk mengevaluasi respons publik terhadap kedua kebijakan tersebut dan membandingkan kinerja model-model deep learning dalam mengklasifikasikan aspek, sentimen, dan emosi. Hasil analisis menunjukkan bahwa kebijakan "Program Makan Siang Gratis" mendapat respons positif meskipun terdapat kritik, sementara "Kenaikan PPN 12%" lebih banyak mendapatkan respons negatif, terutama terkait dampaknya terhadap daya beli masyarakat. Model BERT menunjukkan kinerja terbaik dengan akurasi tertinggi: 88% untuk klasifikasi aspek, 98% untuk sentimen, dan 82% untuk emosi. Temuan ini menunjukkan bahwa metodologi yang digunakan dapat diterapkan pada analisis kebijakan publik lainnya, seperti di bidang pendidikan, kesehatan, dan lingkungan, untuk memperdalam pemahaman tentang persepsi publik dan meningkatkan perencanaan kebijakan berbasis respons masyarakat.
Co-Authors Jadiaman Parhusip Viktor Handrianus Pranatawijaya