ARDIANTO, RIZKY (2024) ANALISIS SENTIMEN MASYARAKAT TERHADAP PENGUBAHAN UNDANG UNDANG TENTANG BATAS USIA CAPRES CAWAPRES MENGGUNAKAN METODE LONG SHORT TERM MEMORY. S1 thesis, Universitas Mercu Buana - Menteng.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (Cover)
41520110107-Rizky Ardianto-01 Cover - RIZKY ARDIANTO.pdf Download (1MB) |
|
Text (Abstrak)
41520110107-Rizky Ardianto-02 Abstrak - RIZKY ARDIANTO.pdf Download (126kB) |
|
Text (Bab 1)
41520110107-Rizky Ardianto-03 Bab 1 - RIZKY ARDIANTO.pdf Restricted to Registered users only Download (134kB) |
|
Text (Bab 2)
41520110107-Rizky Ardianto-04 Bab 2 - RIZKY ARDIANTO.pdf Restricted to Registered users only Download (381kB) |
|
Text (Bab 3)
41520110107-Rizky Ardianto-05 Bab 3 - RIZKY ARDIANTO.pdf Restricted to Registered users only Download (211kB) |
|
Text (Bab 4)
41520110107-Rizky Ardianto-06 Bab 4 - RIZKY ARDIANTO.pdf Restricted to Registered users only Download (276kB) |
|
Text (Bab 5)
41520110107-Rizky Ardianto-07 Bab 5 - RIZKY ARDIANTO.pdf Restricted to Registered users only Download (122kB) |
|
Text (Daftar Pustaka)
41520110107-Rizky Ardianto-08 Daftar Pustaka - RIZKY ARDIANTO.pdf Restricted to Registered users only Download (130kB) |
|
Text (Lampiran)
41520110107-Rizky Ardianto-09 Lampiran - RIZKY ARDIANTO.pdf Restricted to Registered users only Download (2MB) |
|
Text (Lembar Keabsahan)
41520110107-Rizky Ardianto-Form Keabsahan - RIZKY ARDIANTO.pdf Restricted to Repository staff only Download (176kB) |
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap perubahan Undang-Undang mengenai batas usia Calon Presiden (Capres) dan Calon Wakil Presiden (Cawapres) dengan menggunakan metode Long Short Term Memory (LSTM). Data utama diambil dari platform media sosial Twitter / X, yang mencakup pandangan dan komentar masyarakat terkait perubahan tersebut. Proses pre-processing dilakukan untuk membersihkan dan mengorganisasi teks tweet, sehingga siap digunakan dalam analisis sentimen. Metode LSTM dipilih karena kemampuannya dalam memahami konteks data berurutan seperti teks, dan digunakan untuk mengklasifikasikan sentimen menjadi tiga kategori: positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa penggunaan LSTM dalam analisis sentimen efektif dalam mengklasifikasikan berbagai pandangan masyarakat terhadap perubahan undang-undang ini. Analisis ini memberikan wawasan berharga mengenai bagaimana masyarakat merespons perubahan dalam sistem politik, yang dapat menjadi alat penting bagi pemangku kepentingan untuk memahami pandangan dan perasaan masyarakat. Dengan demikian, penelitian ini tidak hanya berkontribusi pada literatur akademis tentang analisis sentimen dan metode LSTM, tetapi juga memiliki implikasi praktis yang signifikan bagi pengambilan keputusan dalam konteks politik Indonesia. Secara keseluruhan, penelitian ini menekankan pentingnya pemrosesan teks dalam analisis sentimen, menunjukkan bagaimana teknik pre-processing yang tepat dapat meningkatkan kualitas data dan hasil analisis. Studi ini menawarkan gambaran mendalam tentang dinamika sentimen masyarakat di media sosial terkait isu politik, yang dapat menjadi dasar bagi penelitian dan aplikasi lebih lanjut di masa depan. Dengan demikian, penelitian ini diharapkan dapat memberikan kontribusi yang berarti bagi pemahaman sentimen masyarakat terhadap perubahan undang- undang dan membantu pemangku kepentingan dalam membuat keputusan yang lebih informasional. This study aims to analyze public sentiment towards the amendment of the law regarding the age limit for presidential (Capres) and vice-presidential (Cawapres) candidates using the Long Short Term Memory (LSTM) method. The primary data was collected from the social media platform Twitter / X, encompassing public views and comments on the proposed changes. A pre-processing procedure was undertaken to clean and organize the tweet texts for sentiment analysis. LSTM was chosen for its ability to understand sequential data context, and it was utilized to classify sentiments into three categories: positive, negative, or neutral. The results indicate that LSTM is effective in classifying various public opinions regarding the amendment of the age limit law. This analysis provides valuable insights into how the public responds to changes in the political system, serving as a crucial tool for stakeholders to understand public views and sentiments. Consequently, this study not only contributes to the academic literature on sentiment analysis and LSTM methods but also has significant practical implications for decision-making in the context of Indonesian politics. Overall, this research underscores the importance of text processing in sentiment analysis, demonstrating how proper pre-processing techniques can enhance data quality and analysis outcomes. The study offers an in-depth view of the dynamics of public sentiment on social media concerning political issues, providing a foundation for further research and applications in the future. Thus, this research aims to contribute meaningfully to understanding public sentiment towards legislative changes and assist stakeholders in making more informed decisions.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41520110107 |
| Uncontrolled Keywords: | Analisis Sentimen, Perubahan Undang-Undang, Batas Usia, Calon Presiden, Calon Wakil Presiden, Long Short Term Memory (LSTM), Media Sosial, Twitter, Politik Indonesia, Pemrosesan Teks. Sentiment Analysis, Law Amendment, Age Limit, Presidential Candidates, Vice-Presidential Candidates, Long Short Term Memory (LSTM), Social Media, Twitter, Indonesian Politics, Text Processing. |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | NAYLA AURA RAYANI |
| Date Deposited: | 09 Aug 2024 04:48 |
| Last Modified: | 09 Aug 2024 04:48 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/90098 |
Actions (login required)
 |
View Item |
