SENTIMENT ANALYSIS SUDUT PANDANG GENERASI Z TERHADAP KETERWAKILAN KEPEMIMPINAN MUDA PILPRES DI TWITTER MENGUNAKAN ID CONVULATION NEURAL NETWORK
DOI:
https://doi.org/10.46576/djtechno.v5i2.4653Abstract
Penelitian ini mengeksplorasi penggunaan pemrosesan bahasa alami (NLP) untuk menganalisis sentimen dalam tweet mengenai kepemimpinan muda dalam pemilihan presiden. Data dikumpulkan dari Twitter, kemudian diproses dan diekstraksi. Proses tokenisasi menghasilkan tokenisasi kata yang kemudian diklasifikasikan menggunakan algoritma Convolutional Neural Network (CNN). Penelitian ini bertujuan untuk membandingkan akurasi algoritma CNN dalam klasifikasi sentimen. Data dikategorikan menjadi dua kelas: positif dan negatif, setelah dikumpulkan dari Twitter. Pre-processing dilakukan menggunakan teknik NLP sebelum tokenisasi. Token yang dihasilkan kemudian dimasukkan ke dalam model CNN untuk proses klasifikasi. Model 1D CNN yang digunakan terdiri dari satu lapisan konvolusi dan satu lapisan pooling, dengan aktivasi ReLU pada lapisan konvolusi. Dataset terdiri dari 200 data, dipecah menjadi 160 data pelatihan dan 40 data uji. Hasil penelitian menunjukkan bahwa label prediksi sesuai dengan label sebenarnya dari kalimat baru. Namun, beberapa faktor seperti ejaan yang tidak konsisten, penggunaan bahasa yang tidak formal, kata-kata yang memiliki arti tersirat atau ambigu,dan kesamaan kata dalam data pelatihan dan uji menyebabkan kesalahan klasifikasi. Penemuan ini menunjukkan bahwa meskipun CNN efektif dalam klasifikasi sentimen, ada tantangan yang perlu diatasi untuk meningkatkan akurasi, terutama dalam memahami konteks bahasa yang kompleks.
References
Annisa Fitriyani1, A. D. R. , F. L. , D. P. A. I. (2024). DETERMINAN PERSEPSI PERILAKU GENERASI MILENIAL DENGAN GENERASI Z MEMPENGARUHI KEPUTUSAN DALAM PEMILIHAN UMUM TAHUN 2024.
Bulan Oktober, P., & Al Madinah F, S. M. (2024). PT. Media Akademik Publisher ANALISIS FRAMING PEMBERITAAN CALON PRESIDEN 2024 DIMASA MENUJU KAMPANYE DALAM PEMILU 2024 PADA MEDIA JAWAPOS.COM DAN KOMPAS.COM. In JMA) (Vol. 2, Issue 1).
Kim, H., & Jeong, Y. S. (2019). Sentiment classification using Convolutional Neural Networks. Applied Sciences (Switzerland), 9(11). https://doi.org/10.3390/app9112347
Listyarini, S. N., & Anggoro, D. A. (2021). Analisis Sentimen Pilkada di Tengah Pandemi Covid-19 Menggunakan Convolution Neural Network (CNN). Jurnal Pendidikan Dan Teknologi Indonesia, 1(7), 261–268. https://doi.org/10.52436/1.jpti.60
Nyoman, P., & Putu Kusuma Negara. (2021). Deteksi Masker Pencegahan Covid19 Menggunakan Convolutional Neural Network Berbasis Android. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(3), 576–583. https://doi.org/10.29207/resti.v5i3.3103
Pambudi, A., & Suprapto, S. (2021). Effect of Sentence Length in Sentiment Analysis Using Support Vector Machine and Convolutional Neural Network Method. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(1), 21. https://doi.org/10.22146/ijccs.61627
Pangestu, G. T., & Rosyda, M. (2022). Sentiment Analysis Tweet Pilkada 2020 Saat Pandemik COVID-19 di Media Sosial Twitter Menggunakan Metode 1D Convolutional Neural Network. JURNAL MEDIA INFORMATIKA BUDIDARMA, 6(2), 1017. https://doi.org/10.30865/mib.v6i2.3765
Rajput, A., Nazlah Al Yamaniyyah, A., & Arabia, S. (n.d.). Natural Language Processing, Sentiment Analysis and Clinical Analytics.
Rehman, A. U., Malik, A. K., Raza, B., & Ali, W. (2019). A Hybrid CNN-LSTM Model for Improving Accuracy of Movie Reviews Sentiment Analysis. Multimedia Tools and Applications, 78(18), 26597–26613. https://doi.org/10.1007/s11042-019-07788-7
Rhanoui, M., Mikram, M., Yousfi, S., & Barzali, S. (2019). A CNN-BiLSTM Model for Document-Level Sentiment Analysis. Machine Learning and Knowledge Extraction, 1(3), 832–847. https://doi.org/10.3390/make1030048
Simamora, I. Y., Azra, A., Nasution, M., Novita, D. D., Syahira, Z., Sakila Nazwa, W., & Siregar, R. A. (2024). Peran Generasi Z dalam Pemilu 2024 di Indonesia.
Singh, S., & Sambyal, N. (2023). Automated Glaucoma Detection Using Deep Convolutional Neural Networks. https://doi.org/10.21203/rs.3.rs-2788554/v1
Singh, T., & Kumari, M. (2016). Role of Text Pre-processing in Twitter Sentiment Analysis. Procedia Computer Science, 89, 549–554. https://doi.org/10.1016/j.procs.2016.06.095
Downloads
Published
Issue
Section
License
Pernyataan Hak Cipta dan Lisensi
- Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
- Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Djtechno sebagai media Publikasi pertama atas karya tersebut.
- Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Djtechno sebagai media publikasi pertama atas karya dimaksud.
- Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.
