WICAKSONO, Januar Agung and Kusumaningrum, Retno and Sediyono, Eko (2024) PENERAPAN METODE LDA - LSTM UNTUK ANALISIS SENTIMEN RESPON MASYARAKAT TERHADAP TOPIK TERKAIT KEBIJAKAN PENANGKAPAN IKAN TERUKUR. Masters thesis, UNIVERSITAS DIPONEGORO.

	Text Cover-1 (1).pdf Download (186kB)
	Text Cover.pdf Restricted to Repository staff only Download (2MB)
	Text BAB I.pdf Download (248kB)
	Text BAB II.pdf Download (691kB)
	Text BAB III.pdf Restricted to Repository staff only Download (618kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (197kB)
	Text Daftar Pustaka.pdf Download (242kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (389kB)

Abstract

Kementerian Kelautan dan Perikanan (KKP) menerapkan kebijakan penangkapan ikan terukur (PIT) untuk pengelolaan sumber daya perikanan yang berkelanjutan, tetapi masih perlu penelitian lebih lanjut mengenai penerimaan masyarakat dan dampaknya. Penelitian ini menekankan pentingnya pemahaman masyarakat terhadap kebijakan tersebut. Media sosial X (Twitter) digunakan untuk menganalisis sentimen publik dengan memanfaatkan data interaksi pengguna. Masalah utama adalah kinerja model Long Short-Term Memory (LSTM) yang kurang optimal jika berdiri sendiri, sehingga integrasi dengan model Latent Dirichlet Allocation (LDA) dilakukan untuk meningkatkan akurasi analisis sentimen. Metodologi mencakup pengumpulan data dari X (Twitter), pemodelan topik dengan LDA, dan analisis sentimen dengan LSTM. Hasilnya menunjukkan lima topik utama terkait PIT, dengan persentase sentimen 50,48% positif, 11,35% negatif, dan 38,17% netral, serta peningkatan akurasi LSTM dari 75% menjadi 85% setelah integrasi dengan LDA. Penelitian ini menunjukkan bahwa kombinasi LDA dan LSTM dapat membantu dalam mengevaluasi kebijakan publik dan mendukung pengelolaan sumber daya perikanan yang berkelanjutan. Oleh karena itu, saran untuk pengambil kebijakan adalah agar mereka mengintegrasikan model LDA ke dalam LSTM untuk mendapatkan hasil analisis sentimen yang lebih akurat saat merumuskan kebijakan yang responsif.
Kata kunci : penangkapan ikan terukur, pemodelan topik, LDA, analisis sentimen, LSTM

The Ministry of Marine Affairs and Fisheries (KKP) implements a measured fishing policy (PIT) for sustainable management of fishery resources, but further research is needed regarding public acceptance and its impacts. This study emphasizes the importance of public understanding of the policy. Social media X (Twitter) is used to analyze public sentiment by leveraging user interaction data. The main issue is the suboptimal performance of the Long Short-Term Memory (LSTM) model when used alone, leading to the integration of the Latent Dirichlet Allocation (LDA) model to improve sentiment analysis accuracy. The methodology includes data collection from X (Twitter), topic modeling with LDA, and sentiment analysis with LSTM. The results identify five main topics related to PIT, with sentiment percentages of 50,48% positive, 11,35% negative, and 38,17% neutral, as well as an increase in LSTM accuracy from 75% to 85% after integration with LDA. This research demonstrates that the combination of LDA and LSTM can assist in evaluating public policies and support sustainable management of fishery resources. Therefore, the recommendation for policymakers is to integrate the LDA model into the LSTM for more accurate sentiment analysis results when formulating responsive policies.
Keyword : measured fishing capture, topic modeling, LDA, sentiment analysis, LSTM

Actions (login required)

View Item