Komparasi Kinerja Algoritma Machine Learning Dengan Pendekatan Bertopic Untuk Analisis Stance Dan Identifikasi Topik Pada Opini Publik Terkait IKN

Fatir, Nabila Ahlisya (2026) Komparasi Kinerja Algoritma Machine Learning Dengan Pendekatan Bertopic Untuk Analisis Stance Dan Identifikasi Topik Pada Opini Publik Terkait IKN. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (cover) 22082010017.- cover.pdf Download (946kB)
	Text (bab 1) 22082010017.-bab 1.pdf Download (280kB)
	Text (bab 2) 22082010017.-bab 2.pdf Restricted to Repository staff only until 17 January 2028. Download (400kB)
	Text (bab 3) 22082010017.-bab 3.pdf Restricted to Repository staff only until 17 January 2028. Download (618kB)
	Text (bab 4) 22082010017.-bab 4.pdf Restricted to Repository staff only until 17 January 2028. Download (2MB)
	Text (bab 5) 22082010017.-bab 5.pdf Download (254kB)
	Text (daftar pustaka) 22082010017.- daftarpustaka.pdf Download (295kB)

Abstract

Pemindahan Ibu Kota Negara (IKN) merupakan kebijakan strategis yang memunculkan beragam sikap pro dan kontra di kalangan masyarakat, khususnya pada media sosial X yang bersifat terbuka dan berbasis teks singkat. Penelitian ini bertujuan untuk membandingkan kinerja algoritma machine learning klasik dalam mengklasifikasikan stance publik terhadap pemindahan IKN serta mengidentifikasi topik utama yang mendasari sikap tersebut. Data penelitian berupa tweet berbahasa Indonesia yang dikumpulkan dari media sosial X melalui teknik scraping. Lima algoritma klasifikasi yang diuji yaitu Support Vector Machine, Logistic Regression, Decision Tree, Random Forest, dan K-Nearest Neighbor. Evaluasi model dilakukan menggunakan F1-score weighted sebagai metrik utama untuk menangani ketidakseimbangan kelas. Hasil pengujian menunjukkan bahwa Random Forest merupakan model dengan performa terbaik, khususnya pada konfigurasi bigram dengan pembagian data 90:10, yang menghasilkan F1-score weighted sebesar 0,8011, serta nilai accuracy, precision-weighted, dan recall-weighted masing-masing sebesar 0,8012. Selanjutnya, penerapan metode BERTopic berhasil mengidentifikasi topik dominan seperti kebijakan dan isu sosial, investasi dan pembangunan ekonomi, serta infrastruktur. Penelitian ini menyimpulkan bahwa integrasi klasifikasi stance dan topic modeling mampu memberikan pemahaman yang komprehensif terhadap opini publik terkait pemindahan IKN

Item Type:

Thesis (Undergraduate)

Contributors: