PEMANFAATAN LSTM UNTUK MENGANALISIS SENTIMEN PENGGUNA TWITTER: STUDI KASUS PADA TWEET BERITA TERKINI

Abstract

Analisis sentimen terhadap berita terkini di platform Twitter menjadi penting untuk memahami dampak informasi terhadap persepsi pengguna. Penelitian ini memanfaatkan Long Short-Term Memory (LSTM) guna menganalisis sentimen pengguna Twitter terhadap tweet berita terkini, dengan tujuan melatih model prediksi sentimen (positif/negatif) sekaligus mengevaluasi pengaruh berita terhadap respons pengguna. Metode yang digunakan melibatkan dataset sebesar 123.218 tweet (75.482 positif dan 47.736 negatif) untuk pelatihan model LSTM, dilengkapi analisis distribusi panjang teks (rata-rata 22,36 karakter untuk sentimen positif dan 23,08 karakter untuk negatif). Evaluasi performa mencakup akurasi, presisi, recall, F1-Score, serta pemeriksaan overfitting melalui grafik akurasi dan loss. Hasil pengujian menunjukkan model mencapai akurasi 91,52%, dengan presisi 91,75%, recall 91,27%, dan F1-Score 91,51%. Klasifikasi berhasil mengidentifikasi 416 tweet positif (True Positive) dan 499 tweet negatif (True Negative), dengan kesalahan 37 False Positive dan 40 False Negative. Grafik akurasi dan loss membuktikan model tidak mengalami overfitting, ditunjukkan oleh konsistensi performa pada data pelatihan dan validasi. Penelitian ini menyimpulkan bahwa LSTM efektif sebagai alat analisis sentimen di Twitter, terutama dalam mengungkap hubungan antara berita terkini dan dinamika sentimen pengguna.