<![CDATA[Analisis sentimen opini publik di media sosial menghadapi tantangan keterbatasan data (small dataset) dan ketidakseimbangan kelas (class imbalance) yang dapat menyebabkan overfitting pada model deep learning. Penelitian ini mengkaji performa arsitektur Convolutional Neural Network 1-Dimensi (CNN-1D) untuk klasifikasi sentimen opini publik terhadap kinerja pemerintahan Presiden Prabowo Subianto ke dalam tiga kategori: Netral, Keluhan/Aduan, dan Apresiasi. Dataset terdiri dari 434 komentar media sosial dengan dominasi kategori keluhan. Untuk mengatasi overfitting dan bias kelas, penelitian ini menerapkan reduksi dimensi embedding, regularisasi dropout (0.5), serta pembobotan kelas (class weight) berdasarkan inverse class frequency. Pengujian dilakukan dengan pembagian data 80:20 dan early stopping untuk mencegah overfitting. Hasil evaluasi menunjukkan akurasi 70.11% dengan presisi tertinggi pada kategori keluhan (81.35%), sementara kategori netral masih mengalami kesalahan klasifikasi akibat keterbatasan sampel dan tumpang tindih semantik. Pembahasan menyoroti perbandingan teoretis CNN-1D dengan Support Vector Machine (SVM) pada dataset berskala kecil serta analisis kesalahan prediksi melalui grafik heatmap confusion matrix]]>
Copyrights © 2026
