Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JOISIE (Journal Of Information Systems And Informatics Engineering)
Fazri, Muhamad
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 DANANTARA DI MEDIA SOSIAL X MENGGUNAKAN NLP DAN PEMBELAJARAN MESIN Fazri, Muhamad; Voutama, Apriade
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 9 No 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4924

Abstract

Danantara merupakan isu nasional yang tengah menjadi sorotan publik di media sosial X (sebelumnya Twitter) karena keterkaitannya dengan proyek strategis dan dampak sosial-ekonomi yang luas. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Danantara menggunakan pendekatan Natural Language Processing (NLP) berbasis semi-supervised learning dengan menggabungkan metode K-Means Clustering untuk pelabelan otomatis dan model klasifikasi Support Vector Machine (SVM) serta Bidirectional Encoder Representations from Transformers (BERT). Sebanyak 2.009 tweet berbahasa Indonesia dikumpulkan dan diproses melalui tahapan preprocessing yang mencakup pembersihan, tokenisasi, stopword removal, dan stemming. Hasil pelabelan menunjukkan distribusi sentimen yang tidak seimbang, dengan dominasi negatif sebesar 87,0%, netral 3,6%, dan positif 9,4%. Visualisasi word cloud memperlihatkan kata-kata dominan bernuansa kritik seperti “bumn”, “korupsi”, dan “investasi”. Evaluasi performa model menunjukkan bahwa SVM memberikan akurasi tertinggi sebesar 98%, sedangkan BERT hanya mencapai 25%. Rendahnya performa BERT disebabkan oleh keterbatasan jumlah data, distribusi kelas yang tidak seimbang, serta kompleksitas bahasa informal dalam tweet. Temuan ini menunjukkan bahwa pendekatan TF-IDF + SVM lebih tepat digunakan untuk analisis opini publik di media sosial berbahasa Indonesia, terutama ketika data terbatas dan tidak berlabel. Kontribusi utama penelitian ini terletak pada penerapan pendekatan semi-supervised untuk menganalisis isu lokal menggunakan kombinasi teknik unsupervised dan supervised learning yang belum banyak dieksplorasi dalam konteks NLP Indonesia.
Co-Authors Apriade Voutama