Informasi Sistem Analisis
Dokumentasi formal mengenai tujuan pengembangan, metodologi ilmiah pemrosesan data, serta kontribusi manfaat dari sistem yang dibangun.
Tujuan Pengembangan Sistem
Sistem ini dikembangkan dengan tujuan utama menyajikan gambaran umum secara transparan mengenai hasil analisis sentimen masyarakat terhadap kebijakan efisiensi anggaran pemerintah. Dengan mengklasifikasikan tanggapan publik ke dalam polaritas positif, negatif, dan netral, sistem ini membantu menyederhanakan data opini mentah di Twitter (X) agar mudah dibaca dan dipahami sebagai bahan evaluasi kebijakan penghematan operasional aparatur negara.
Metodologi Pengolahan Data
Alur Pemrosesan Teks & Klasifikasi
1. Tahapan Preprocessing Teks (NLP)
Cleansing
Membersihkan teks komentar dari mentions, url link, simbol RT, hashtag, angka, dan karakter khusus.
Case Folding
Mengubah seluruh karakter alfabet menjadi huruf kecil secara seragam guna menghindari redundansi kata.
Stopword Removal
Menyaring dan membuang kata hubung atau kata umum Bahasa Indonesia yang tidak bernilai sentimen.
Stemming
Mengembalikan kata berimbuhan menjadi kata dasar (lemma) dengan menghilangkan imbuhan awal & akhir.
Tokenizing
Memotong kalimat bersih terakhir menjadi array kata dasar individual (token) untuk dianalisis.
Skema term weighting untuk memberikan nilai numerik pada setiap token kata dasar berdasarkan frekuensi kemunculannya di suatu komentar (Term Frequency) berbanding lurus dengan tingkat kelangkaannya di seluruh dokumen database (Inverse Document Frequency).
Metode klasifikasi berbasis probabilitas bersyarat yang menghitung bobot peluang kemunculan kata pada tiap kelas sentimen (positif, netral, negatif) dengan optimasi smoothing parameter untuk menentukan hasil estimasi kategori akhir opini.
Manfaat Pengembangan Sistem
Kontribusi Teoritis & Praktis
Secara Teoritis (Akademis)
Memberikan rujukan akademis dan kontribusi keilmuan pada ranah pemrosesan bahasa alami (NLP) Bahasa Indonesia, terutama dalam optimasi pra-pemrosesan data teks media sosial yang tidak terstruktur dan pengaplikasian Naive Bayes Classifier.
Secara Praktis (Sosial & Pemerintahan)
Menyediakan media visualisasi dan transparansi opini publik yang objektif bagi instansi pemerintahan guna mengevaluasi keberhasilan serta penerimaan masyarakat terhadap kebijakan efisiensi anggaran negara secara riil.