Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Firdaus, Mutiara Puspita
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Analisis Sentimen Publik terhadap Program Tabungan Perumahan Rakyat Menggunakan Model IndoBERT Lite pada Komentar YouTube: Public Sentiment Analysis of the Public Housing Savings Program Using the IndoBERT Lite Model on YouTube Comments Firdaus, Mutiara Puspita; Trisnawarman, Dedi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1744

Abstract

Di era digital, media sosial menjadi platform utama bagi masyarakat menyampaikan opini terhadap kebijakan publik, termasuk Public Housing Savings (TAPERA), program pemerintah untuk menyediakan akses perumahan bagi masyarakat berpenghasilan rendah. Penelitian ini menganalisis sentimen masyarakat terhadap TAPERA menggunakan model IndoBERT Lite Large, yang dioptimalkan untuk data besar dengan efisiensi sumber daya. Dari 14.618 komentar YouTube yang dikumpulkan, 13.766 komentar diproses setelah tahap preprocessing. Hasil pelabelan sentimen menunjukkan dominasi sentimen negatif dengan 9.571 komentar, mencerminkan keresahan terhadap transparansi, implementasi, dan komunikasi program. Sentimen positif mencapai 2.485 komentar, menunjukkan apresiasi terbatas terhadap program, sementara sentimen netral sebanyak 1.710 komentar mengindikasikan kebutuhan informasi yang lebih jelas. Visualisasi menggunakan grafik batang dan word cloud menyoroti pola sentimen dan kata kunci yang sering muncul. Berdasarkan evaluasi menggunakan confusion matrix, model ini mencapai akurasi sebesar 78%. Meskipun efektif menangani data besar, penelitian ini memiliki keterbatasan dalam evaluasi performa model lebih mendalam. Penelitian selanjutnya disarankan untuk memperluas analisis dengan data dari berbagai platform media sosial agar meningkatkan analisis sentimen secara keseluruhan.
Co-Authors Dedi Trisnawarman