Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Insand Comtech : Information Science and Computer Technology Journal

IMPLEMENTASI BILSTM UNTUK KELASIFIKASI SENTIMEN PADA KASUS PEMILIHAN UMUM 2024 Qososyi, Sayidina Ahmadal; Hairani, Hairani; Hammad, Rifqi
Insand Comtech : Information Science and Computer Technology Journal Vol 10, No 1 (2025): Insand Comtech
Publisher : Universitas Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53712/jic.v10i1.2623

Abstract

Kemajuan media sosial memudahkan kita untuk mengetahui peristiwa dan informasi di seluruh dunia. Twitter merupakan salah satu media sosial dengan banyak pengguna yang sering digunakan untuk mengekspresikan opini atau sentimen terhadap isu-isu terkini. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen dalam bahasa Indonesia terkait opini masyarakat yang berupa positif, negatif, dan netral terhadap pemilu 2024. Metode yang digunakan adalah Bidirectional Long Short-Term Memory (BiLSTM) untuk klasifikasi sentiment. Data yang digunakan pada penelitian ini berasal dari Twitter sebanyak 3.085 data. Hasil klasifikasi sentimen dengan BiLSTM menunjukkan akurasi terbaik 83% menggunakan embedding FastText, diikuti oleh Word2Vec dan Glove dengan akurasi 82%. Analisis ini membantu memahami opini publik terhadap pemilu 2024 dan memudahkan pemantauan serta evaluasi proses demokrasi di Indonesia.