ANALISIS SENTIMEN KOMENTAR POLITIK DI MEDIA SOSIAL X DENGAN PENDEKATAAN DEEP LEARNING

  • Ayu Liawati Teknik Informatika, STMIK IKMI CIREBON
  • Riri Narasati Teknik Informatika, STMIK IKMI CIREBON
  • Dodi Solihudin Teknik Informatika, STMIK IKMI CIREBON
  • Cep Lukman Rohmat Rekayasa Perangkat Lunak, STMIK IKMI CIREBON
  • Sandy Eka Permana Manajemen Informatika, STMIK IKMI Cirebon
Keywords: analisis sentimen, komentar politik, CNN, media sosial X, deep learning

Abstract

Media sosial, sebagai platform utama interaksi dan berbagi informasi, memberikan peluang bagi Masyarakat untuk mengungkapkan sudut pandang mereka. Salah satu contoh yang popular adalah media sosial X, suatu jejaring sosial yang memungkinkan penggunanya berbagi pesan singkat yang mencakup teks, gambar, video, dan tautan. Dampak media sosial sangat terasa, khususnya dalam konteks politik di mana penyebaran informasi dan alur komunikasi semakin mudah. Meskipun demikian, adanya peristiwa negatif seperti penyebaran informasi palsu dan ujaran kebencian memberikan tantangan yang perlu diatasi melalui analisis sentimen. Media sosial memainkan peran penting dalam membentuk opini publik. Proses penggalngan dukungan melaluiĀ  media sosial X telah mempercepat penyebaran pesan politik. Oleh karena itu, analisis sentimen menjadi penting untuk memahami pandangan dan sikap masyarakat di media sosial terkait isu-isu tertentu. Maka berfokus pada analisis sentimen terhadap komentar politik di media sosial X dengan menggunakan metode Convolutional Neural Network (CNN) pemanfaatan model pelatihan Word2Vec. Analisis ini menunjukan bahwa model yang digunakan mampu memberikan hasil analisis sentimen dengan kinerja yang memuaskan, memberikan pemahaman yang lebih mendalam mengenai pandangan masyarakat terhadap permasalahan politik. Implikasi hasil ini dapat memberikan arahan bagi pengambil keputusan politik dan praktis yang tertarik memanfaatkan teknik deep learning dalam menganalisis sentimen, bukan hanya dalam konteks politik, melainkan juga dalam berbagai disiplin lainnya. Hasil yang telah dilakukan dengan menggunakan algoritma Convulation Neural Network menunjukan nilai akurasi tebaik yaitu 81%.

Downloads

Download data is not yet available.
Published
2024-02-05