ANALISIS SENTIMEN MASYARAKAT MENGENAI UTANG NEGARA INDONESIA PADA PLATFORM X MENGGUNAKAN METODE LSTM

Santhi, Trihana (2026) ANALISIS SENTIMEN MASYARAKAT MENGENAI UTANG NEGARA INDONESIA PADA PLATFORM X MENGGUNAKAN METODE LSTM. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2115091032-COVER.pdf
Download (3MB)
[img] Text (ABSTRAK)
2115091032-ABSTRAK.pdf
Download (913kB)
[img] Text (BAB 1 PENDAHULUAN)
2115091032-BAB 1 PENDAHULUAN.pdf
Download (2MB)
[img] Text (BAB 2 KAJIAN TEORI)
2115091032-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (9MB) | Request a copy
[img] Text (BAB 3 METODOLOGI PENELITIAN)
2115091032-BAB 3 METODOLOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (3MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2115091032-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (16MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2115091032-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (922kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2115091032-DAFTAR PUSTAKA.pdf
Download (2MB)
[img] Text (LAMPIRAN)
2115091032-LAMPIRAN.pdf
Download (4MB)

Abstract

Negara berkembang seperti Indonesia sangat memanfaatkan utang negara untuk membangun dan mengembangkan infrastruktur untuk meningkatkan perekonomian dan kesejahteraan masyarakat. Selama periode pemerintahan Presiden Joko Widodo pada periode 2019 hingga 2024 utang negara cukup meningkat disebabkan karena utang negara digunakan untuk membangun infrastruktur dengan skala besar, penanganan pandemi COVID-19, pemulihan ekonomi. Peningkatan yang cukup tinggi ini menimbulkan opini masyarakat yang beragam pada media sosial. Media sosial, khususnya X menjadi platform yang banyak digunakan untuk menyampaikan sentimen mereka terkait isu utang negara. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap utang negara Indonesia menggunakan metode LSTM untuk mengklasifikasi opini masyarakat ke dalam tiga kelas yaitu positif, negatif dan netral. Penelitian dilakukan menggunakan beberapa skenario diantaranya kombinasi LSTM tanpa resampling, under sampling, SMOTE dan ADASYN dengan pengujian yang menerapkan variasi batch size 32 dan batch size 64 untuk menemukan performa model yang terbaik. Dari beberapa skenario yang telah digunakan hasil penelitian menunjukkan model LSTM dengan SMOTE batch size 32 memberikan performa terbaik dengan nilai akurasi sebesar 85%, precision sebesar 86%, recall sebesar 86% dan fi-score sebesar 85%. Model terbaik diimplementasikan dalam graphical user interface (GUI) menggunakan streamlit untuk membantu pengguna melakukan prediksi sentimen secara interaktif dengan harapan dapat menjadi salah satu dasar dalam menentukan kebijakan keuangan yang lebih baik.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Utang Negara, Analisis Sentimen, Klasifikasi Teks, LSTM, GUI
Subjects: T Technology > TN Mining engineering. Metallurgy
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1)
Depositing User: Trihana Santhi
Date Deposited: 30 Jan 2026 01:17
Last Modified: 30 Jan 2026 01:17
URI: http://repo.undiksha.ac.id/id/eprint/27865

Actions (login required)

View Item View Item