Dewi, Komang Tya Vinandita Kusuma (2026) ANALISIS SENTIMEN OPINI PUBLIK TERHADAP INOVASI TEKNOLOGI PADA ADMINISTRASI PUBLIK INDONESIA MENGGUNAKAN METODE INDOBERT. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2215091044-COVER.pdf Download (599kB) |
|
Text (ABSTRAK)
2215091044-ABSTRAK.pdf Download (10MB) |
|
Text (BAB 1 PENDAHULUAN)
2215091044-BAB 1 PENDAHULUAN.pdf Download (10MB) |
|
Text (BAB 2 KAJIAN TEORI)
2215091044-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (10MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2215091044-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (10MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2215091044-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (10MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2215091044-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (10MB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2215091044-DAFTAR PUSTAKA.pdf Download (10MB) |
|
Text (LAMPIRAN)
2215091044-LAMPIRAN.pdf Download (10MB) |
Abstract
Penerapan Sistem Pemerintahan Berbasis Elektronik (SPBE) di Indonesia ditujukan untuk meningkatkan efisiensi dan kualitas pelayanan publik. Namun, perbedaan pengalaman pengguna di lapangan mendorong masyarakat untuk menyampaikan aspirasi, kritik, dan keluhan melalui media sosial seperti X dan Tiktok. Penelitian ini bertujuan untuk mengklasifikasi sentimen opini publik terhadap inovasi teknologi administrasi publik di Indonesia menggunakan metode deep learning IndoBERT, mengidentifikasi topik-topik dominan menggunakan Latent Dirichlet Allocation (LDA), serta mengevaluasi dan mengoptimalkan performa model melalui eksperimen hyperparameter, K-fold, dan Earlystoping. Pengumpulan data dilakukan secara real-time dari platform X dan Tiktok yang menghasilkan 11.787 data opini yang setelah melalui tahap seleksi manual dan preprocessing menghasilkan 5.541 data bersih dengan distribusi sentimen yaitu sentimen negatif sebanyak 3.566 data dan sentimen positif sebanyak 1.975 data. Ketidakseimbangan kelas sentimen diatasi dengan menggunakan teknik augmentasi data Back Translation (BT) menggunakan model MarianaMT. Hasil penelitian menunjukkan bahwa pengujian pemodelan IndoBERT dengan kombinasi hyperparameter 4 epoch dan learning rate 2e-5 memberikan performa baseline terbaik dengan akurasi 75% dan F1-Score 74%. Evaluasi K-fold menunjukkan kestabilan terbaik pada epoch 2 dengan gap antara train accuracy dan validation accuracy terkecil sebesar 12%. Proses optimalisasi model dengan penambahan epoch serta penerapan mekanisme earlystoping berhasil meningkatkan akurasi model hingga 83% pada epoch ke-11. Sementara itu, analisis topik menggunakan LDA berhasil mengidentifikasi 5 topik dominan pada tiap kategori sentimen, dimana sentimen negatif didominasi oleh topik mengenai kendala teknis seperti error, login, dan verifikasi OTP. Sedangkan pada sentimen positif didominasi oleh apresiasi terhadap kemudahan dan efisiensi layanan digital seperti pembayaran pajak online dan layanan JKN. Seluruh hasil analisis dan evaluasi model telah divisualisasikan ke dalam sebuah dashboard berbasis website.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, Administrasi Publik, IndoBERT, LDA, Dashboard, Back Translation |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1) |
| Depositing User: | Komang Tya Vinandita Kusuma Dewi |
| Date Deposited: | 04 Aug 2026 08:10 |
| Last Modified: | 04 Aug 2026 08:10 |
| URI: | http://repo.undiksha.ac.id/id/eprint/32032 |
Actions (login required)
 |
View Item |