ANALISIS SENTIMEN TENTANG OMNIBUS LAW DI TWITTER DENGAN MACHINE LEARNING

Syafutra, Arif Dwi (2025) ANALISIS SENTIMEN TENTANG OMNIBUS LAW DI TWITTER DENGAN MACHINE LEARNING. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS)
22.55.2298 Arif Dwi Syafutra.pdf - Published Version
Download (6MB)

Abstract

Omnibus law atau undang-undang cipta kerja telah menjadi topik perdebatan publik yang intens di indonesia sejak disahkan pada tahun 2020. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat indonesia terhadap omnibus law melalui data twitter dengan menggunakan pendekatan machine learning. Dataset penelitian terdiri dari 20.000 tweet mentah yang dikumpulkan dari periode 20 juli 2020 hingga 14 april 2023, menghasilkan 17.184 tweet valid setelah penyaringan. Data melalui preprocessing intensif meliputi case folding, cleaning, normalisasi, tokenisasi, stopword removal, dan stemming, dengan reduksi 38,5% menjadi 81.705 kata unik. Pelabelan sentimen menggunakan lexicon-based menghasilkan distribusi 60,02% negatif dan 39,98% positif. Penelitian mengimplementasikan tiga algoritma: support vector machine (svm), random forest, dan multinomial naïve bayes, dengan teknik resampling rus, ros, dan smote. Ekstraksi fitur menggunakan tf-idf dengan feature selection mereduksi dimensi dari 18.247 menjadi 7.500 fitur (58%). Hasil menunjukkan svm dengan rus menghasilkan performa terbaik: akurasi 97,65%, precision 97,59%, recall 97,45%, f1-score 97,52%, dan auc-roc 0,9929. Random forest mencapai 96,17% dan multinomial naïve bayes 94,76%. Analisis temporal mengungkapkan sentimen negatif puncak 78% pada oktober 2020 dengan kata kunci "tolak", "buruh", "demo", dan "phk". Penelitian memberikan kontribusi metodologis berupa kerangka kerja analisis sentimen kebijakan publik berbahasa indonesia dan secara praktis menyediakan alat monitoring opini publik real-time.

Item Type:

Thesis (S2 - Magister)

Contributor: