<![CDATA[Pada era ini, kepercayaan publik terhadap institusi penegak hukum seperti POLRI sangat dipengaruhi oleh opini yang berkembang di media sosial. Namun, analisis terhadap data masif (Big Data) ini menghadapi dua tantangan utama yaitu keterbatasan metode klasik dalam memahami konteks bahasa Indonesia (seperti sarkasme dan bahasa gaul) serta tingginya kebutuhan sumber daya komputasi untuk menjalankan model Deep Learning. Penelitian ini bertujuan untuk merancang sebuah kerangka kerja sistem analisis sentimen terintegrasi yang tidak hanya akurat, tetapi juga efisien secara infrastruktur dan strategis dalam pengambilan keputusan. Metodologi penelitian ini menggabungkan model IndoBERT untuk klasifikasi teks kontekstual, metode Analytic Hierarchy Process (AHP) untuk pembobotan prioritas kinerja, dan arsitektur Cloud Platform as a Service (PaaS) sebagai lingkungan implementasi. Hasil penelitian ini berupa rancangan arsitektur sistem yang memanfaatkan layanan serverless dan GPU berbasis cloud untuk efisiensi biaya dan skalabilitas otomatis. Simulasi sistem menunjukkan bahwa integrasi IndoBERT mampu mendeteksi sentimen negatif terselubung, sementara AHP berhasil mentransformasi data sentimen menjadi daftar prioritas perbaikan yang dapat ditindaklanjuti (actionable insights). Penelitian ini menyimpulkan bahwa adopsi arsitektur berbasis Cloud PaaS adalah solusi paling layak (feasible) untuk mengimplementasikan model NLP mutakhir di lingkungan pemerintahan tanpa investasi perangkat keras yang masif.]]>
Copyrights © 2026
