ANALISIS SENTIMEN DAN PEMETAAN TOPIK KURIKULUM MERDEKA MENGGUNAKAN MODEL HYBRID INDOROBERTA-BILSTM DENGAN OPTIMASI RULE-BASED HEURISTIK

Prabowo, Hafid Afi (2026) ANALISIS SENTIMEN DAN PEMETAAN TOPIK KURIKULUM MERDEKA MENGGUNAKAN MODEL HYBRID INDOROBERTA-BILSTM DENGAN OPTIMASI RULE-BASED HEURISTIK. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf - Published Version
Download (1MB)
[img] Text (BAB I)
BAB I.pdf - Published Version
Download (224kB)
[img] Text (BAB II)
BAB II.pdf - Published Version
Restricted to Registered users only
Download (960kB)
[img] Text (BAB III)
BAB III.pdf - Published Version
Restricted to Registered users only
Download (820kB)
[img] Text (BAB IV)
BAB IV.pdf - Published Version
Restricted to Registered users only
Download (1MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Download (108kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf - Published Version
Restricted to Registered users only
Download (153kB)
[img] Text (PUBLIKASI)
Publikasi.pdf - Published Version
Restricted to Repository staff only
Download (984kB)

Abstract

Masyarakat 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.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Ariyus, Dony
Uncontrolled Keywords: Analisis Sentimen, Kurikulum Merdeka, Pemetaan Topik, IndoRoBERTa-BiLSTM, Rule-Based Heuristik, Sentiment Analysis, Topic Mapping.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Fakultas Ilmu Komputer > Teknik Komputer
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 30 Jun 2026 07:20
Last Modified: 30 Jun 2026 07:20
URI: http://eprints.amikom.ac.id/id/eprint/31831

Actions (login required)

View Item View Item