Panggabean, Pitra Rahmadani (2025) Analisis Sentimen Opini Publik di Media Sosial X Terkait Boikot Produk Israel Menggunakan Metode Long Short-Term Memory (LSTM). S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (209kB)
	Text Abstrak.pdf Download (188kB)
	Text Bab 1.pdf Download (435kB)
	Text Daftar Pustaka.pdf Download (417kB)
	Text Full-text.pdf Restricted to Registered users only Download (2MB)

Abstract

Boikot terhadap produk Israel merupakan isu yang banyak diperbincangkan di media sosial, khususnya di platform X. Penelitian ini bertujuan untuk menganalisis sentimen publik terkait boikot tersebut dengan menggunakan metode Long ShortTerm Memory (LSTM). Data dikumpulkan melalui API X dan menghasilkan 800 komentar setelah melalui proses pembersihan dan penghapusan duplikasi dari total 980 data yang dikumpulkan. Metode LSTM dipilih karena memiliki kemampuan unggul dalam memproses data berurutan seperti teks dan secara efektif menangkap ketergantungan jangka panjang dalam bahasa alami, yang sangat penting untuk klasifikasi sentimen yang akurat. Data dianalisis melalui beberapa tahap, yakni praproses data, pelabelan sentimen, dan pembobotan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), sebelum akhirnya dimasukkan ke dalam model LSTM. Sentimen diklasifikasikan ke dalam tiga kategori: positif, negatif, dan netral. Evaluasi model dilakukan dengan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model LSTM berhasil mencapai akurasi sebesar 80,62%, dengan sentimen negatif mendominasi, diikuti oleh sentimen netral dan positif. Penelitian ini membuktikan bahwa metode LSTM efektif dalam mengklasifikasikan sentimen publik dan dapat diterapkan untuk mendukung pengambilan kebijakan publik, memetakan tren opini masyarakat, serta memantau respons terhadap isu-isu kebijakan luar negeri yang berkaitan dengan konflik Israel-Palestina.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Pitra Rahmadani Panggabean
Date Deposited:	17 Jul 2025 07:32
Last Modified:	17 Jul 2025 07:32
URI:	https://rama.unimal.ac.id/id/eprint/12673

Actions (login required)

View Item