Analisis Sentimen Pada Komentar Media Sosial Terkait Isu Joki Dengan Menggunakan Metode LSTM

Dimas Surya Prasetyo, Karina Auliasari, Yosep Agus Pranoto

Abstract


Di kalangan akademisi dan masyarakat, fenomena praktik perjokian dalam penyusunan skripsi telah menimbulkan kekhawatiran karena mengancam reputasi akademik. Media sosial menjadi sarana utama bagi masyarakat untuk mengekspresikan pendapat mereka tentang masalah ini, baik melalui kecaman maupun menjadikan kebiasaan baru. Namun, volume data yang besar, gaya bahasa yang beragam, dan penggunaan bahasa informal adalah masalah untuk menganalisis data media sosial. Untuk mencapai tujuan ini, penelitian ini menggunakan metode Long Short-Term Memory (LSTM) untuk menganalisis sentimen masyarakat. Metode ini dipilih karena kemampuan LSTM untuk memahami konteks kata dalam kalimat kompleks, yang membuatnya cocok untuk komentar panjang di media sosial. Hasil penelitian menunjukkan pengujian kinerja model untuk mengidentifikasi sentimen positif dan negatif, diperoleh akurasi sebesar 71%, recall sebesar 67%, dan precision sebesar 77%. Hal ini menunjukkan bahwa model mampu mengenali pola sentimen dengan cukup baik dari data yang ada.


Keywords


sentimen; perjokian; LSTM; analisa teks; integritas akademik; pemrosesan bahasa alami; opini masyarakat

Full Text:

PDF

References


Sari, E. A. P., & Kurniawan, D. J. (2023). Faktor – Faktor Yang Mempengaruhi Penggunaan Jasa Joki Tugas Oleh Pelajar Dan Mahasiswa. KOLONI, 2(2), 93–101.

Baihaqi, M. H., Ni'mah, E. R. A., Rohmah, F. N., Husna, A. F. S., Amarthani, N. T., & Nabilla, S. Y. (2024). Persepsi Mahasiswa Universitas Negeri Semarang terhadap Jasa Joki Tugas. Jurnal Mediasi, 3(1), 25–34.

Ghilmany, M. H. (2024). Analisis sentimen pada ceramah Islam berbahasa Indonesia menggunakan metode long short-term memory. Skripsi. Etheses UIN Malang.

Deltania, D., Garno, G., & Jamaludin, A. (2024). Analisis Sentimen Publik Terhadap Invasi Zionis Kepada Hamas Menggunakan Support Vector Machine (SVM). Jurnal Mahasiswa Teknik Informatika. Vol. 8 No. 4, pp. 4465-4472.

Peni, P., Suarna, N., & Prihartono, W. (2024). Analisis Sentimen Generasi Z Terhadap Pengetahuan Tentang Kehidupan Gay Menggunakan Algoritma Naïve Bayes. Jurnal Mahasiswa Teknik Informatika. Vol. 8 No. 3, pp. 2901-2907.

Indra, F., Andreina, K., Kania, N. S., & Valensky, S.(2023). Peran Joki Dalam Perkuliahan Terhadap Etika: Tinjauan Dari Perspektif Mahasiswa Dan Dosen. Jurnal Bangun Manajemen. Vol. 2 No. 1, pp. 113-119.

Riyantoko, P. A., Fahrudin, T. M., Prasetya, D. A., Trimono, T., & Timur, T. D. (2022). Analisis Sentimen Sederhana Menggunakan Algoritma LSTM dan BERT untuk Klasifikasi Data Spam dan Non-Spam. Prosiding Seminar Nasional Sains Data. Vol 2 No 1, pp. 103-111.

Fahira, Fahira & Prianto, Cahyo. (2023). Prediksi Pola Kedatangan Turis Mancanegara dan Menganalisis Ulasan Tripadvisor dengan LSTM dan LDA. Jurnal Tekno Insentif. 17. 69-83. 10.36787/jti.v17i2.1096.

Raflizar D. Y. (2024). Analisis Sentimen Untuk Deteksi Ujaran Kebencian Pada Media Sosial Terkait Pemilu 2024 Menggunakan Metode Support Vector Machine. Skripsi thesis. Institut Teknologi Nasional Malang.

Rani, M., Prawira D., & Mutiah N. (2023). Analisis Sentimen TerhadapVaksin COVID-19 Menggunakan Naive Bayes Classifier, Support Vector Machine dan K-Nearest Neighbors. Journal of ComputerEngineering, System and Science. 8(1). 1-11.




DOI: https://doi.org/10.24114/cess.v10i1.65382

Article Metrics

Abstract view : 9 times
PDF - 6 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License

slot gacor slot