<![CDATA[Penelitian ini mengusulkan pendekatan Aspect-Based Sentiment Analysis (ABSA) yang mengintegrasikan Latent Dirichlet Allocation (LDA) dan IndoBERT untuk menganalisis opini publik terhadap Kabupaten Pakpak Bharat berdasarkan 4.591 tweet yang dikumpulkan melalui scraping. Data diproses melalui case folding, penghapusan URL dan mention, serta penyaringan stopword yang mempertimbangkan konteks. LDA digunakan untuk membangun taksonomi topik secara otomatis yang terdiri atas tujuh kategori, yang menjadi dasar ekstraksi aspek berbasis aturan menggunakan mekanisme pembobotan kata kunci dengan batasan taksonomi. Aspek dengan data yang tidak memadai digabungkan ke dalam kategori induk yang relevan secara semantik, menghasilkan sembilan kelas aspek akhir. Untuk mengatasi ketidakseimbangan kelas sentimen, diterapkan strategi random oversampling berbasis threshold, di mana setiap kelas minoritas ditingkatkan jumlahnya hingga nilai minimum antara ukuran kelas mayoritas dan nilai maksimum antara jumlah data saat ini atau 30% dari ukuran kelas mayoritas—sehingga dataset menjadi lebih seimbang dengan total 4.755 sampel tanpa menyamakan seluruh kelas secara penuh. Klasifikasi sentimen dilakukan menggunakan arsitektur multitask IndoBERT dengan dua classification head, di mana head aspek dilatih secara bersamaan menggunakan Focal Loss sebagai komponen pendukung untuk memperkuat representasi bersama, sementara label aspek akhir ditentukan melalui mekanisme berbasis aturan tersebut. Tiga aspek dengan volume pembahasan tertinggi adalah Keamanan (1.354 data), Sosial (1.313 data), dan Pariwisata (794 data). Model klasifikasi sentimen menunjukkan performa yang baik, dengan akurasi 85,59%, presisi 84%, recall 86%, dan F1-score 85%. Hasil ini menunjukkan bahwa integrasi LDA, ekstraksi berbasis aturan, dan IndoBERT efektif dalam memetakan persepsi publik secara granular, serta memberikan wawasan yang dapat ditindaklanjuti bagi evaluasi pemerintah daerah.]]>
Copyrights © 2026
