ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM MAKAN BERGIZI GRATIS MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM)

Wibowo, Dimas Aryo (2025) ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM MAKAN BERGIZI GRATIS MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (2MB)
	Text (BAB I) BAB I.pdf Download (198kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (733kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (385kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (87kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (674kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.3972.zip Restricted to Repository staff only Download (22kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (945kB)

Abstract

Tingginya angka stunting di Indonesia akibat kurangnya asupan gizi menjadi permasalahan serius yang berdampak pada kualitas sumber daya manusia. Untuk mengatasi hal tersebut, pemerintah merancang program makan bergizi gratis bagi anak sekolah. Namun, kebijakan ini menimbulkan berbagai tanggapan di masyarakat yang disuarakan melalui media sosial seperti X (dulu Twitter) dan YouTube. Analisis terhadap opini masyarakat ini penting dilakukan untuk mengetahui persepsi masyarakat serta mendukung evaluasi keberlanjutan program. Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap program tersebut dan mengevaluasi kinerja model Long Short-Term Memory (LSTM) dalam tugas tersebut. Penelitian ini dilakukan dengan metode scraping untuk mengumpulkan 3.264 data dari platform X dan 5.731 komentar dari YouTube. Data dianalisis melalui tahap pre-processing seperti text cleaning, case folding hingga stemming. Sentimen dilabeli secara otomatis dengan memanfaatkan kamus InSet. Setelah itu, data diproses melalui tokenized, padding, word embedding, serta penyeimbangan kelas dengan teknik Synthetic Minority Oversampling Technique (SMOTE), sebelum dilatih menggunakan model LSTM. Evaluasi model dilakukan menggunakan confusion matrix dan classification report. Hasil penelitian menunjukkan bahwa pada dataset X, model mencatat accuracy sebesar 89%, sedangkan pada dataset dari YouTube, accuracy mencapai 86%. Hasil ini menunjukkan bahwa LSTM mampu memprediksi sentimen masyarakat dengan baik. Disarankan agar penelitian berikutnya memperluas cakupan data, pelabelan manual, dan menguji algoritma lain seperti Bidirectional LSTM, GRU, dan BERT untuk memperoleh hasil yang lebih akurat.

Actions (login required)

View Item