IMPLEMENTASI BILSTM UNTUK KELASIFIKASI SENTIMEN PADA KASUS PEMILIHAN UMUM 2024

Sayidina Ahmadal Qososyi, Hairani Hairani, Rifqi Hammad

Abstract


Kemajuan media sosial memudahkan kita untuk mengetahui peristiwa dan informasi di seluruh dunia. Twitter merupakan salah satu media sosial dengan banyak pengguna yang sering digunakan untuk mengekspresikan opini atau sentimen terhadap isu-isu terkini. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen dalam bahasa Indonesia terkait opini masyarakat yang berupa positif, negatif, dan netral terhadap pemilu 2024. Metode yang digunakan adalah Bidirectional Long Short-Term Memory (BiLSTM) untuk klasifikasi sentiment. Data yang digunakan pada penelitian ini berasal dari Twitter sebanyak 3.085 data. Hasil klasifikasi sentimen dengan BiLSTM menunjukkan akurasi terbaik 83% menggunakan embedding FastText, diikuti oleh Word2Vec dan Glove dengan akurasi 82%. Analisis ini membantu memahami opini publik terhadap pemilu 2024 dan memudahkan pemantauan serta evaluasi proses demokrasi di Indonesia.


Full Text:

PDF

References


L. E. Zuniananta, “PENGGUNAAN MEDIA SOSIAL SEBAGAI MEDIA KOMUNIKASI INFORMASI DI PERPUSTAKAAN,” 2021.

D. A. Firdlous and R. Andrian, “Analisis Sentimen Publik Twitter terhadap Pemilu 2024 menggunakan Model Long Short Term Memory,” SISTEMASI: Jurnal Sistem Informasi, vol. 12, no. 1, pp. 52–60, 2023.

B. AlBadani, R. Shi, and J. Dong, “A Novel Machine Learning Approach for Sentiment Analysis on Twitter Incorporating the Universal Language Model Fine-Tuning and SVM,” Applied System Innovation, vol. 5, no. 1, 2022, doi: 10.3390/asi5010013.

J. Howard and S. Ruder, “14 NLP Research Breakthroughs You Can Apply To Your Business,” 2018.

D. R. Alghifari, M. Edi, and L. Firmansyah, “Implementasi Bidirectional LSTM untuk Analisis Sentimen Terhadap Layanan Grab Indonesia,” Jurnal Manajemen Informatika (JAMIKA), vol. 12, no. 2, pp. 89–99, 2022, doi: 10.34010/jamika.v12i2.7764.

O. Manullang, C. Prianto, and N. H. Harani, “Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based dan Random Forest,” 2023.

L. Agung Waskito, K. Muslim Lhaksmana, and D. Triantoro Murdiansyah, “Analisis Sentimen Terhadap Pemilihan Presiden Indonesia 2019 Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes,” 2019.

L. D. Mahbubah and E. Zuliarso, ANALISA SENTIMEN TWITTER PADA PILPRES 2019 MENGGUNAKAN ALGORITMA NAIVE BAYES. 2019.

K. Zuhri, N. Adha, and O. Saputri, “ANALISIS SENTIMEN MASYARAKAT TERHADAP PILPRES 2019 BERDASARKAN OPINI DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER,” Bina Darma Conference on Computer Science, 2020.

M. Chandra Cahyo Utomo, M. Taukhid, dan Syamsul Mujahidin, P. Informatika Institut Teknologi Kalimantan -Balikpapan, and K. Timur, “Analisis Sentimen Media Sosial Twitter pada Kasus Pemberlakuan Pembatasan Kegiatan Masyarakat dengan menggunakan Metode Naïve Bayes Classifier,” 2023.

M. Sulaeman, M. Bachrun’, U. Romadhoni, F. Matheos Sarimole, and W. Septian, “Analisis Sentimen Masyarakat Terhadap Isu Penundaan Pemilu 2024 Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine,” Jurnal Sains dan Teknologi, vol. 5, no. 3, p. 2024, doi: 10.55338/saintek.v5i1.2789.

Asno Azzawagama Firdaus, Anton Yudhana, and Imam Riadi, “Analisis Sentimen Pada Proyeksi Pemilihan Presiden 2024 Menggunakan Metode Support Vector Machine,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 3, no. 2, pp. 236–245, Jun. 2023, doi: 10.51454/decode.v3i2.172.

M. Riski Qisthiano, I. Ruswita, A. Prayesy, and * Korespondensi, “Implementasi Metode SVM dalam Analisis Sentimen Mengenai Vaksin dengan Menggunakan Python 3,” Online) Teknologi: Jurnal Ilmiah Sistem Informasi, vol. 13, no. 1, pp. 1–7, 2023, doi: 10.26594/teknologi.v13i1.3105.

M. Farid, N. #1, S. Ferdiana Kusuma, J. Ngagel, and J. Selatan, “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning,” 2022.

C. Grant, M. Halim, and G. A. Sandag, “Analisis Sentimen Sosial Media Twitter Menggunakan RNN Studi Kasus: Bantuan Sosial Covid-19.”

A. N. Romadhan, E. Utami, and A. D. Hartanto, “SEMIOTIKA Seminar Nasional Teknologi Informasi dan Matematika Analisis Sentimen Opini Publik Menggunakan Metode BiLSTM Pada Media Sosial Twitter,” 2023.

V. Budhi Lestari and E. Utami, “Combining Bi-LSTM And Word2vec Embedding For Sentiment Analysis Models of Application User Reviews,” Indonesian Journal of Computer Science, 2024.

A. K. Ni Komang, I. M. A. D. Suarjaya, and I. M. S. Raharja, “Classification of Public Figures Sentiment on Twitter using Big Data Technology,” JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, vol. 6, no. 1, pp. 157–169, Jul. 2022, doi: 10.31289/jite.v6i1.7329.

N. Afrianto, D. H. Fudholi, and S. Rani, “Prediksi Harga Saham Menggunakan BiLSTM dengan Faktor Sentimen Publik,” Resti, vol. 1, no. 1, pp. 19–25, 2022.

M. A. Raihan, P. Haryandi, R. A. Subagja, R. Purnaminyan, and N. Chamidah, Implementasi Seleksi Fitur dengan Backward Elimination untuk Klasifikasi Prediksi Perceraian. 2021.

A. Kartika Sari, Akhmad Irsyad, Dinda Nur Aini, Islamiyah, and Stephanie Elfriede Ginting, “Analisis Sentimen Twitter Menggunakan Machine Learning untuk Identifikasi Konten Negatif,” Adopsi Teknologi dan Sistem Informasi (ATASI), vol. 3, no. 1, pp. 64–73, Jun. 2024, doi: 10.30872/atasi.v3i1.1373.

M. Irfan Raif et al., “OTOMATISASI PENDETEKSI KATA BAKU DAN TIDAK BAKU PADA DATA TWITTER BERBASIS KBBI”, doi: 10.25126/jtiik.2024117404.

I. Triyadi, B. Prasetiyo, and T. L. Nikmah, “News text classification using long-term short memory (LSTM) algorithm,” 2023.

W. K. Sari, D. P. Rini, and R. F. Malik, “Text Classification Using Long Short-Term Memory With GloVe Features,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, vol. 5, no. 2, p. 85, Feb. 2020, doi: 10.26555/jiteki.v5i2.15021.

M. Y. Aldean, M. D. Hilmawan, R. Indriyati, and J. Lasama, “Analisa Relevansi Tweet terhadap Hashtag dengan Metode Logistic Regression,” Centive, vol. 2, no. 1, pp. 32–38, 2019.




DOI: http://dx.doi.org/10.53712/jic.v10i1.2623

Refbacks

  • There are currently no refbacks.


Jurnal Ilmiah Terapan: 2580-488X

Jurnal Ilmiah Terapan: 2302-6227

Diindeks oleh:

Diterbitkan oleh Prodi Informatika - Teknik Informatika - Universitas Madura
Jl. Raya Panglegur Km 3,5 Pamekasan
Telepon: (0324) 322231
website: http://ejournal.unira.ac.id/index.php/insand_comtech/index

Surel : insandcomtech@unira.ac.id

Lisensi Creative Commons
InsandComtech oleh Universitas Madura dilisensikan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional .