Analisis Sentimen Presepsi Masyarakat dalam Menghadapi Resesi 2023 pada Twitter dengan Metode Bidirectional Encoder Representations From Transformers (BERT)

Kursinyanto, Muhammad Nurcahyo (2023) Analisis Sentimen Presepsi Masyarakat dalam Menghadapi Resesi 2023 pada Twitter dengan Metode Bidirectional Encoder Representations From Transformers (BERT). Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text 1. PENDAHULUAN.pdf Download (2MB)
	Text 2. ABSTRAK.pdf Download (603kB)
	Text 3. BAB I.pdf Download (628kB)
	Text 4. BAB II.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text 5. BAB III.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text 6. BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text 7. BAB V.pdf Restricted to Repository staff only Download (551kB) | Request a copy
	Text 8. DAFTAR PUSTAKA.pdf Download (678kB)
	Text 9. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Di tahun 2023, dunia berhadapan dengan tantangan ekonomi serius akibat berbagai faktor, termasuk inflasi yang meningkat, eskalasi konflik Rusia-Ukraina, dan pandemi COVID-19 yang masih berlanjut. Dampaknya juga terasa di Indonesia, terutama dalam bentuk tingginya tingkat inflasi yang mengkhawatirkan. Pemimpin negara, seperti Presiden Jokowi dan Menteri Keuangan Sri Mulyani Indrawati, menyatakan keprihatinan atas ketidakpastian ekonomi global dan masalah inflasi dalam negeri.Dalam menghadapi kompleksitas situasi Resesi 2023, analisis sentimen Twitter dapat memberikan wawasan tentang respons masyarakat terhadap resesi, serta membantu pengambilan kebijakan dengan mengklasifikasikan komentar menjadi Postive atau Negative menggunakan metode Bidirectional Encoder Representations from Transformers (BERT).BERT merupakan teknik dalam pemrosesan bahasa alami yang efektif dalam memahami konteks kalimat dengan memperhatikan kata-kata sebelum dan sesudah kata target.Model BERT dilatih selama 10 Epoch dengan batch size 16 dan learning rate 5e-5, mencapai tingkat akurasi 95%. Presisi untuk Sentimen Negative 96%, Sentimen Postive 93%, dengan Recall masing-masing 95% dan 94%. F1-score juga tinggi, yaitu 96% untuk Sentimen Negative dan 94% untuk Sentimen Postive.Dari 2285 Tweet yang dianalisis, sekitar 41,40% Sentimen Postive dan 58,60% Sentimen Negative. Bulan Januari memiliki jumlah Tweet Sentimen Negative tertinggi (970) dan Sentimen Postive (736). Penelitian ini memberikan pandangan masyarakat di media sosial terhadap kondisi ekonomi dan situasi global di tahun yang kritis. Diharapkan, informasi ini akan membantu para pengambil kebijakan dalam mengatasi tantangan ekonomi dan mengurangi dampaknya pada masyarakat Indonesia. Dalam konteks ketidakpastian global dan inflasi tinggi, pemahaman terhadap sentimen masyarakat sangat penting dalam merumuskan kebijakan ekonomi yang tepat.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Analisis Sentimen, Resesi 2023, Model BERT, Twitter, Inflasi
Subjects:	000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
Divisions:	Faculty of Engineering > Department of Civil Engineering (S1)
Department:	S1 Teknik Informatika
Depositing User:	Muhammad Nurcahyo Kursiyanto
Contributors:	Contribution Contributor Name NIDN/NIDK UNSPECIFIED Rintyarna, Bagus Setya NIDN0729017904 UNSPECIFIED A'yun, Qurrota NIDN0703069002
Contact Email Address:	muh.nurcahyok@gmail.com
Date Deposited:	20 Sep 2023 01:29
Last Modified:	20 Sep 2023 01:29
URI:	http://repository.unmuhjember.ac.id/id/eprint/19733

Actions (login required)

View Item