ANALISIS SENTIMEN PENDAPAT MASYARAKAT TERHADAP BMKG SEBAGAI LAYANAN PENYEDIA INFORMASI CUACA DAN IKLIM MENGGUNAKAN METODE ALGORITMA LSTM

Antono, Rian (2025) ANALISIS SENTIMEN PENDAPAT MASYARAKAT TERHADAP BMKG SEBAGAI LAYANAN PENYEDIA INFORMASI CUACA DAN IKLIM MENGGUNAKAN METODE ALGORITMA LSTM. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (579kB)
	Text (BAB I) BAB I.pdf Download (258kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (823kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (439kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (90kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (519kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.4007.zip Restricted to Repository staff only Download (904kB)
	Text (PUBLIKASI) Surat Pernyataan Publish di Luar.pdf Restricted to Repository staff only Download (1MB)

Abstract

Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) merupakan lembaga yang aktif menggunakan media sosial X (sebelumnya Twitter) sebagai sarana komunikasi publik terkait informasi cuaca dan iklim. Tingginya aktivitas masyarakat di media sosial memunculkan berbagai opini yang tidak terstruktur terhadap layanan BMKG, sehingga menyulitkan proses evaluasi secara manual. Ketidak terstrukturan opini ini dapat berdampak pada keterbatasan instansi dalam memahami persepsi publik secara objektif, yang pada akhirnya berpengaruh terhadap efektivitas perbaikan layanan publik. Penelitian ini menggunakan metode Long Short-Term Memory (LSTM) untuk mengklasifikasikan sentimen masyarakat terhadap BMKG yang diperoleh dari 3.400 data tweet hasil scraping. Langkah-langkah penelitian meliputi preprocessing data (text cleaning, tokenizing, stemming), pelabelan sentimen berbasis lexicon, penyeimbangan data menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE), serta pelatihan dan evaluasi model LSTM menggunakan metrik akurasi, presisi, recall , dan F1-score. Model kemudian diimplementasikan ke dalam aplikasi web berbasis Streamlit. Hasil penelitian menunjukkan bahwa model LSTM mampu mencapai akurasi sebesar 88% dengan F1-score tertinggi 0,92 untuk sentimen negatif dan 0,75 untuk sentimen positif. Sistem ini berkontribusi dalam menyediakan klasifikasi opini publik secara otomatis yang dapat dimanfaatkan oleh BMKG maupun instansi pemerintah lainnya dalam mengevaluasi kualitas layanan secara lebih efektif dan berbasis data. Penelitian lanjutan disarankan untuk mengeksplorasi arsitektur yang lebih kompleks seperti Bi-LSTM atau BERT agar hasil klasifikasi lebih optimal.

Actions (login required)

View Item