INDRIYANTI, Aries Dwi and Gernowo, Rahmat and Sediyono, Eko (2026) MODEL ANALISIS SENTIMEN GEOSPASIAL UNTUK MEMPREDIKSI KEBIJAKAN PEMERINTAH DAERAH JAWA TIMUR BERBASIS ALGORITMA BERT DAN LDA MENGGUNAKAN DATA PLATFORM X. Doctoral thesis, UNIVERSITAS DIPONEGORO.

	Text Halaman Depan.pdf Download (128kB)
	Text COVER LENGKAP.pdf Restricted to Repository staff only Download (579kB)
	Text BAB I.pdf Download (321kB)
	Text BAB II.pdf Download (537kB)
	Text BAB III.pdf Restricted to Repository staff only Download (800kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (388kB)
	Text Daftar Pustaka.pdf Download (173kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (211kB)

Abstract

Kebijakan pemerintah daerah dirancang untuk mengatasi permasalahan publik dan mencapai tujuan bersama demi kepentingan masyarakat. Oleh karena itu, kebijakan tersebut perlu dikaji secara mendalam karena berdampak luas dan signifikan terhadap masyarakat, mengingat beragamnya latar belakang sosial dan ekonomi masyarakat yang tersebar di berbagai wilayah dengan kondisi geografis dan demografi yang berbeda. Penelitian ini merancang dan membangun model analisis sentimen dan pemodelan topik berbasis geospasial yang terintegrasi dengan data X untuk mengevaluasi persepsi publik terhadap kebijakan pemerintah daerah di Jawa Timur. Model ini menggunakan algoritma machine learning, yaitu BERT (Bidirectional Encoder Representations from Transformers) dan LDA (Latent Dirichlet Allocation) untuk analisis sentimen dan topik secara otomatis. Selain itu, menggunakan Geo-Location untuk mengidentifikasi pola sentimen di berbagai wilayah. Kebaruan dari penelitian ini adalah pada pengembangan model prediktif sentimen berbasis geospasial yang terintegrasi dengan data X, menggunakan pendekatan machine learning untuk analisis sentimen dan topik secara otomatis. Model klasifikasi sentimen dibangun menggunakan data pelatihan dan pengujian terpisah. Evaluasi performa model BERT menunjukkan hasil sangat baik, dengan akurasi mencapai 99,36%, precision, recall, dan F1-score yang seimbang pada kedua kelas (positif dan negatif). Sementara itu, sebanyak 1.512 tweet yang mencakup metadata lokasi digunakan khusus untuk pengujian performa aplikasi dan visualisasi geospasial. Hasilnya, sebanyak 821 tweet (54,3%) diklasifikasikan sebagai sentimen negatif dan 691 tweet (45,7%) sebagai sentimen positif. Analisis geospasial yang menggabungkan sentimen dan topik mengungkap bahwa persepsi publik tidak seragam, melainkan membentuk pola geografis yang khas untuk setiap kebijakan. Ditemukan pola spesifik: sentimen terkait Jatim Akses terkonsentrasi di wilayah Mataraman (Madiun, Ponorogo, Trenggalek), Jatim Amanah terpusat di kawasan industri (Surabaya, Sidoarjo, Malang), sedangkan Jatim Sejahtera dominan di wilayah tengah (Nganjuk, Jombang) serta seluruh Pulau Madura. Terdapat korelasi kuat antara kebijakan spesifik, sentimen publik, dan lokasi geografis. Kontribusi utama penelitian ini adalah menyediakan model yang dapat menjadi dasar bagi pemerintah untuk merumuskan kebijakan yang lebih responsif, berbasis bukti, dan tepat sasaran, sesuai dengan karakteristik dan kebutuhan unik di setiap wilayah.
Kata kunci: Analisis Sentimen, GIS, Pemodelan Topik, Kebijakan Publik, Machine Learning, X

Local government policies are designed to address public issues and achieve common goals for the benefit of the community. Therefore, these policies need to be studied in depth because they have a broad and significant impact on society, considering the diverse social and economic backgrounds of people spread across various regions with different geographic and demographic conditions. This study designs and builds a geospatial-based sentiment analysis and topic modeling model integrated with X data to evaluate public perception of local government policies in East Java. This model uses machine learning algorithms, namely BERT (Bidirectional Encoder Representations from Transformers) and LDA (Latent Dirichlet Allocation) for automatic sentiment and topic analysis. In addition, it uses Geo-Location to identify sentiment patterns in various regions. The novelty of this study is the development of a geospatial-based sentiment predictive model integrated with X data, using a machine learning approach for automatic sentiment and topic analysis. The sentiment classification model was built using separate training and testing data. The performance evaluation of the BERT model shows excellent results, with an accuracy of 99.36%, precision, recall, and F1-score that are balanced in both classes (positive and negative). Meanwhile, 1,512 tweets containing location metadata were used specifically for application performance testing and geospatial visualization. As a result, 821 tweets (54.3%) were classified as negative sentiment and 691 tweets (45.7%) as positive sentiment. Geospatial analysis combining sentiment and topic revealed that public perception was not uniform, but rather formed a distinctive geographic pattern for each policy. Specific patterns were found: sentiment related to Jatim Akses was concentrated in the Mataraman region (Madiun, Ponorogo, Trenggalek), Jatim Amanah was concentrated in industrial areas (Surabaya, Sidoarjo, Malang), while Jatim Sejahtera was dominant in the central region (Nganjuk, Jombang) and the entire Madura Island. There was a strong correlation between specific policies, public sentiment, and geographic location. The main contribution of this research is to provide a model that can serve as a basis for the government to formulate more responsive, evidence-based, and targeted policies, according to the unique characteristics and needs of each region.
Keywords: Sentiment Analysis, GIS, Topic Modeling, Public Policy, Machine Learning, X.

Actions (login required)

View Item