ANALISIS SENTIMEN DAN PEMETAAN TOPIK KURIKULUM MERDEKA MENGGUNAKAN MODEL HYBRID INDOROBERTA-BILSTM DENGAN OPTIMASI RULE-BASED HEURISTIKHafid AfiPrabowoauthorMasyarakat saat ini aktif menyampaikan opini mengenai berbagai isu pendidikan melalui media sosial, khususnya Twitter, termasuk mengenai Kurikulum Merdeka. Namun, analisis sentimen konvensional belum memadai untuk memahami persepsi publik secara menyeluruh tanpa adanya pemetaan topik dan penanganan terhadap ambiguitas serta sarkasme. Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen dan pemetaan topik terkait Kurikulum Merdeka dengan mengintegrasikan model hybrid IndoRoBERTa-BiLSTM dan optimasi Rule-Based Heuristik. Model IndoRoBERTa digunakan untuk ekstraksi fitur berbasis transformer, sedangkan BiLSTM menangani ketergantungan jangka panjang dalam teks. Untuk meningkatkan akurasi, diterapkan algoritma Rule-Based Heuristik guna memperbaiki klasifikasi sentimen pada teks yang ambigu atau sarkastik. Pemetaan topik dilakukan menggunakan pendekatan Keyword-Based Classifier dan Non-Negative Matrix Factorization (NMF), yang hasilnya divisualisasikan dalam dashboard Streamlit untuk analisis interaktif. Penelitian ini menggunakan data tekstual dari Twitter dengan kata kunci “Kurikulum Merdeka” periode 2023-2024 dengan total 11.564 data tweet. Hasil penelitian menunjukkan bahwa kombinasi model ini mampu menghasilkan akurasi sebesar 0,96, dengan nilai precision 0,91, recall 0,97, dan F1-score 0,93. Integrasi Rule-Based Heuristik terbukti efektif dalam menangani kesalahan klasifikasi akibat sarkasme, sementara pemetaan topik berhasil mengidentifikasi isu dominan yang relevan dengan kebijakan Kurikulum Merdeka di Indonesia.000 Ilmu komputer, informasi dan pekerjaan umum2026-01-22Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis