RAHMAN, Syair Dafiq Faizur (2024) Penerapan Metode Latent Dirichlet Allocation (LDA) dan RoBERTa dalam Pemodelan Topik dan Sentimen Pemilu 2024 di Media Sosial X. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (66kB)
	Text 3. Halaman Pengesahan 1.pdf Download (34kB)
	Text 4. Halaman pengesahan 2.pdf Download (155kB)
	Text 5. Kata Pengantar.pdf Download (32kB)
	Text 6. Abstrak.pdf Download (31kB)
	Text 7. Abstact.pdf Download (31kB)
	Text 8. DAFTAR ISI.pdf Download (89kB)
	Text 12. BAB 1 PENDAHULUAN.pdf Download (64kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (178kB)

Abstract

Pemilihan umum presiden dan wakil presiden (Pilpres) menjadi momen
krusial yang mencerminkan dinamika politik serta aspirasi masyarakat terhadap
proses demokrasi. Perkembangan pesat media sosial memberi kesempatan bagi
pengguna untuk bebas mengutarakan opini. Analisis opini publik terhadap masing
masing calon pasangan presiden dan wakil presiden menjadi hal yang sangat
penting untuk memahami bagaimana pandangan masyarakat serta dinamika politik
yang terjadi pada masa Pilpres. Penelitian ini bertujuan untuk mengkombinasikan
pemodelan topik serta analisis sentimen pada data tweet Pilpres tahun 2024.
Penelitian ini menggabungkan metode Latent Dirichlet Allocation (LDA) dan
Robustly Bidirectional Encoder for Transformers approach (RoBERTa) untuk
pemodelan topik serta analisis sentimen. Pemodelan topik pada masing-masing
pasangan calon menggunakan LDA menghasilkan total lima kategori topik yang
berbeda yakni Debat, Kampanye, Program kerja, Pendukung, dan konflik. Analisis
sentimen menggunakan RoBERTa menghasilkan performa tertinggi dengan
akurasi sebesar 81.20%.
Kata Kunci: Analisis Sentimen, LDA, Pemilihan Presiden, Pemodelan Topik,
RoBERTa

Actions (login required)

View Item