ANALISIS SENTIMEN TERHADAP IDENTITAS KEPENDUDUKAN DIGITAL (IKD) DENGAN DEEP LEARNING UNTUK KLASIFIKASI KOMENTAR POSITIF DAN NEGATIF MENGGUNAKAN BERT (STUDI KASUS: SALURAN KOMPAS TV VIA YOUTUBE DAN APLIKASI IDENTITAS KEPENDUDUKAN DIGITAL)

Malik Abdul, Aziz (2025) ANALISIS SENTIMEN TERHADAP IDENTITAS KEPENDUDUKAN DIGITAL (IKD) DENGAN DEEP LEARNING UNTUK KLASIFIKASI KOMENTAR POSITIF DAN NEGATIF MENGGUNAKAN BERT (STUDI KASUS: SALURAN KOMPAS TV VIA YOUTUBE DAN APLIKASI IDENTITAS KEPENDUDUKAN DIGITAL). Other thesis, UNSADA.

	Text COVER.pdf Download (2MB)
	Text BAB 1.pdf Download (726kB)
	Text BAB 2.pdf Download (966kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (691kB)
	Text DAFTAR PUSTAKA.pdf Download (662kB)
	Text LAMPIRAN.pdf Download (812kB)
	Text HASIL TURNITIN.pdf Download (542kB)
	Text SUKET TURNITIN.pdf Download (672kB)

Abstract

Identitas Kependudukan Digital (IKD) merupakan sebuah inovasi dalam layanan publik di Indonesia yang bertujuan untuk meningkatkan efisiensi dan kualitas pengelolaan data kependudukan. Namun, implementasi IKD menuai beragam respon dari masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen terhadap IKD dengan menggunakan teknik Deep Learning, khususnya model BERT (Bidirectional Encoder Representations from Transformers). Fokus penelitian ini adalah melakukan klasifikasi persepsi masyarakat terkait IKD menjadi dua kategori sentimen, yaitu positif dan negatif. Data yang digunakan dalam penelitian ini adalah 2000 komentar dari video Youtube Kompas TV dan 2000 ulasan dari aplikasi IKD di Google Play Store yang diambil dengan menggunakan teknik scraping. Proses pengolahan data meliputi cleansing, case folding, stemming, slang word, dan stop word. Data selanjutnya dibagi menjadi data latih (80%) dan data uji (20%). Model BERT yang telah dilatih sebelumnya (pretrained) kemudian digunakan untuk melakukan klasifikasi sentimen. Hasil evaluasi menunjukkan bahwa model BERT mencapai akurasi yang tinggi dalam melakukan klasifikasi sentimen terhadap IKD. Akurasi model BERT pada data Google Play Store adalah 88%, sedangkan pada data Youtube mencapai 92%. Selain itu, model BERT juga menunjukkan performa yang baik dalam hal precision, recall, dan F1score. Pada data Google Play Store, model mencapai precision 85%, recall 82%, dan F1-score 83%. Sementara itu pada data Youtube, model mencapai precision 88%, recall 60%, dan F1-score 71%.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing : Adam Arif Budiman, S.T., M. Kom.
Uncontrolled Keywords:	Identitas Kependudukan Digital (IKD), analisis sentimen, deep learning, BERT.
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Last Modified:	09 Oct 2025 04:31
URI:	http://repository.unsada.id/id/eprint/9776

Actions (login required)

View Item