<![CDATA[Media sosial X menjadi salah satu platform utama bagi masyarakat dalam menyampaikan opini terhadap isu-isu publik, termasuk yang berkaitan dengan institusi kepolisian. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap kepolisian dengan membandingkan dua pendekatan analisis sentimen, yaitu metode lexicon-based dan model BERT, serta menyajikan hasil analisis melalui visualisasi data interaktif menggunakan Tableau. Data diperoleh melalui proses crawling tweet berbahasa Indonesia dengan kata kunci yang berkaitan dengan kepolisian. Pengambilan data dibatasi pada fitur top tweets, sehingga penelitian ini bersifat eksploratif dan tidak dimaksudkan untuk merepresentasikan keseluruhan percakapan publik di media sosial. Tahapan pra-pemrosesan teks dilakukan untuk mengurangi noise sebelum proses klasifikasi sentimen. Pendekatan lexicon-based mengklasifikasikan sentimen berdasarkan daftar kata positif dan negatif, sedangkan model BERT melakukan klasifikasi sentimen berbasis konteks ke dalam kategori positif, negatif, dan netral. Hasil penelitian menunjukkan adanya perbedaan distribusi sentimen antara kedua metode, di mana pendekatan lexicon-based menghasilkan proporsi sentimen negatif yang lebih tinggi dibandingkan model BERT. Perbedaan tersebut mengindikasikan keterbatasan pendekatan berbasis kata dalam memahami konteks, sarkasme, dan variasi bahasa informal yang umum digunakan di media sosial. Visualisasi data menunjukkan adanya fluktuasi sentimen dan pola keterlibatan pengguna secara temporal, namun hasil tersebut perlu diinterpretasikan secara hati-hati mengingat keterbatasan data. Penelitian ini diharapkan dapat memberikan gambaran awal mengenai dinamika sentimen publik terhadap kepolisian di media sosial X serta menjadi dasar bagi penelitian lanjutan dengan cakupan data yang lebih luas.]]>
Copyrights © 2026
