Analisis Sentimen Twitter terhadap Isu Penundaan Pemilu 2024 Menggunakan Metode Long Short-Term Memory (LSTM)
Article Sidebar
Main Article Content
Abstract
Media sosial adalah bentuk aktivitas sosial yang menggunakan jaringan online untuk berkomunikasi melalui teks, gambar, dan video. Salah satu platform media sosial yang tetap menjadi tempat ekspresi bebas bagi individu adalah Twitter. Penelitian ini mengkaji sentimen masyarakat di Twitter terkait isu penundaan pemilu 2024 di Indonesia. Fokus utama penelitian ini adalah untuk menganalisis pandangan publik terhadap isu tersebut menggunakan metode Long Short-Term Memory (LSTM) dalam analisis sentimen. Data yang digunakan berasal dari cuitan-cuitan yang terkait dengan isu penundaan pemilu di Twitter. Tujuan penelitian ini adalah untuk memahami sejauh mana sentimen masyarakat terhadap isu penundaan pemilu 2024, apakah bersifat positif, negatif, atau netral. Metode yang digunakan adalah LSTM, sebuah teknik deep learning yang digunakan untuk memproses data teks dalam urutan. Data yang digunakan mencakup 1758 sampel setelah melalui proses pra-pemrosesan. Hasil penelitian menunjukkan bahwa sebanyak 58,0% dari sampel menunjukkan sentimen positif, sementara 42,0% menunjukkan sentimen negatif. Model LSTM yang diterapkan berhasil mencapai tingkat akurasi sebesar 88% dalam mengklasifikasikan sentimen masyarakat di Twitter terkait isu penundaan pemilu. Kesimpulan penelitian ini adalah mayoritas masyarakat yang terlibat dalam percakapan di Twitter terkait isu penundaan pemilu 2024 menunjukkan sentimen positif. Namun, masih ada sebagian yang menunjukkan sentimen negatif. Tingkat akurasi model LSTM yang tinggi menunjukkan efektivitas metode ini dalam menganalisis data teks dari media sosial. Oleh karena itu, penelitian ini memberikan wawasan yang berharga tentang pandangan publik terhadap isu penting ini diera digital.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Rantau MI. Penguatan Sistem Presidensial Di Indonesia: Analisis Terhadap Undang Undang No 7 Tahun 2017 Tentang Pemilihan Umum. Jurnal Penelitian dan Karya Ilmiah. 2019;2.
Ramadhan MN. Evaluasi Penegakan Hukum Pidana Pemilu Dalam Penyelenggaraan Pemilu 2019. Vol. 2, Jurnal Adhyasta Pemilu. 2019.
Siregar LY, Nasution MIP. Perkembangan Teknologi Informasi Terhadap Peningkatan Bisnis Online. 2020;2(1):71–5. Available from: https://doi.org/10.30606/hjimbhttp://journal.upp.ac.id/index.php/Hirarki
Zuhdi AM, Utami E, Raharjo S. Analisis Sentiment Twitter Terhadap CAPRES Indonesia 2019 Dengan Metode K-NN. Jurnal INFORMA Politeknik Indonusa Surakarta. 2019;5:2442–7942.
Alita D, Fernando Y, Sulistiani H. Implementasi Algoritma Multiclass SVM Pada Opini Publik Berbahasa Indonesia Di Twitter. Jurnal TEKNOKOMPAK. 2020;14(2):86.
Alvin S. Analisis Framing Isu Penundaan Pemilu 2024 Di CNN Indonesia.Com Dan Kompas.Com. Jurnal SEMIOTIKA [Internet]. 2022;16(2):133–48. Available from: http://journal.ubm.ac.id/
Yahyadi A, Latifah F. Analisis Sentimen Twitter Terhadap Kebijakan Ppkm Di Tengah Pandemi Covid-19 Menggunakan Mode LSTM. Journal of Information System, Applied, Management, Accounting and Research [Internet]. 2022;6(2):464–70. Available from: http://journal.stmikjayakarta.ac.id/index.php/jisamar,
Amrustian MA, Widayat W, Wirawan AM. Analisis Sentimen Evaluasi Terhadap Pengajaran Dosen di Perguruan Tinggi Menggunakan Metode LSTM. Jurnal Media Informatika Budidarma. 2022 Jan 25;6(1):535–41.
Eka Sembodo J, Budi Setiawan E, Abdurahman Baizal Z. Data Crawling Otomatis pada Twitter. In School of Computing, Telkom University; 2016. p. 11–6.
Naufal MF, Kusuma SF. Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning. Jurnal Edukasi dan Penelitian Informatika. 2022;8(1).
Normawati D, Prayogi SA. Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. Vol. 5, Jurnal Sains Komputer & Informatika (J-SAKTI. 2021.
Kurniawan AA, Mustikasari M. Implementasi Deep Learning Menggunakan Metode CNN dan LSTM untuk Menentukan Berita Palsu dalam Bahasa Indonesia. 2020;5(4):2622–4615. Available from: http://openjournal.unpam.ac.id/index.php/informatika544
Talita AS, Wiguna A. Implementasi Algoritma Long Short-Term Memory (LSTM) Untuk Mendeteksi Ujaran Kebencian (Hate Speech) Pada Kasus Pilpres 2019. MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer. 2019 Nov 2;19(1):37–44.
Cahyo PW, Aesyi US. Perbandingan LSTM dengan Support Vector Machine dan Multinomial Na ve Bayes pada Klasifikasi Kategori Hoax. Jurnal Transformatika. 2023 Jan 20;20(2):23.