Image of Analisis Sentimen Publik Program Makan Bergizi Gratis (MBG) menggunakan Metode Aspect-Bases Sentiment Analysis berbasis Long Short Term Memory (LSTM)

Text

Analisis Sentimen Publik Program Makan Bergizi Gratis (MBG) menggunakan Metode Aspect-Bases Sentiment Analysis berbasis Long Short Term Memory (LSTM)

Program Makan Bergizi Gratis (MBG) memunculkan beragam opini publik di X (Twitter) yang bersifat tidak terstruktur dan dinamis. Penelitian ini
bertujuan merancang dan mengimplementasikan sistem analisis sentimen publik MBG berbasis web menggunakan metode Aspect-BasedSentiment Analysis (ABSA) dan algoritma Long Short-Term Memory (LSTM). Data opini bersumber dari dataset Kaggle DatasetMBG.csv 3.462 data dan hasil crawling X (Twitter) menggunakan alat Harvest 12.577 data, dengan total 16.039 opini. Preprocessing dilakukan melalui tujuh tahap dan menghasilkan 16.039 data bersih (100%). Selanjutnya, ABSA digunakan untuk mengidentifikasi aspek opini menggunakan metode hybrid keyword matching dan TF-IDF Cosine Similarity dengan bobot 50:50 pada empat aspek, yaitu Kualitas Gizi, Distribusi, Transparansi, serta Dampak Sosial dan Ekonomi. Hasil deteksi menghasilkan 12.768 data yang termasuk keempat aspek tersebut, sedangkan 3.271 data dikategorikan sebagai General dan dikecualikan. Pelabelan sentimen menggunakan IndoBERT menghasilkan 12.768 data berlabel valid, terdiri dari 3.192 data Positif, 4.788 data Negatif, dan 4.788 data Netral, yang selanjutnya digunakan untuk pelatihan dan pengujian model LSTM. Model LSTM dilatih menggunakan 10.214 data training dan diuji terhadap 2.554 data testing (80:20 stratified) dengan arsitektur Sequential yang terdiri dari lapisan Embedding (128 dimensi), SpatialDropout1D, LSTM (128 unit), Dropout, dan Dense aktivasi softmax. Evaluasi menggunakan confusion matrix menghasilkan akurasi 77,60% (kategori Cukup), precision weighted 0,7761, recall weighted 0,7760, F1-score weighted 0,7754, Balanced Accuracy 76,65%, dan Macro F1Score 0,7658 (kategori Baik). Sebagai pembanding, model Word2Vec + GRU mencapai akurasi 80,66% dengan F1-score weighted 80,66%, mengungguli LSTM
sebesar 3,12%. Hasil analisis kuesioner dari 550 responden menunjukkan rata-rata skor 3,36 (persentase setuju 45,95%). aspek Transparansi menjadi aspek terkuat dan Dampak Sosial dan Ekonomi perlu perhatian lebih

Ketersediaan
S2600367SKR-2026 RIN aPerpustakaan Universitas Handayani MakassarTersedia
Informasi Detail
Judul Seri
-
No. Panggil
SKR-2026 RIN a
Penerbit
Makassar : Universtas Handayani Makassar.,
Deskripsi Fisik
ii + 210 hlm; 29 x 21 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
SKR-2026 RIN a
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Cet 1
Subjek
Preprocessing
Aspect-Based Sentiment Analysis
Crawling
Program Makan Bergizi Gratis (MBG)
Info Detail Spesifik
Skripsi Teknik Informatika
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus login sebelum memberikan komentar