Text
Penerapan Metode LDA-LSTM Untuk Analisis Sentimen Respon Masyarakat Terhadap Topik Terkait Kebijakan Penangkapan Ikan Terukur
Kementerian Kelautan dan Perikanan (KKP) menerapkan kebijakan penangkapan ikan terukur (PIT) untuk pengelolaan sumber daya perikanan yang berkelanjutan, tetapi masih perlu penelitian lebih lanjut mengenai penerimaan masyarakat dan dampaknya. Penelitian ini menekankan pentingnya pemahaman masyarakat terhadap kebijakan tersebut. Media sosial X (Twitter) digunakan untuk menganalisis sentimen publik dengan memanfaatkan data interaksi pengguna. Masalah utama adalah kinerja model Long Short-Term Memory (LSTM) yang kurang optimal jika berdiri sendiri, sehingga integrasi dengan model Latent Dirichlet Allocation (LDA) dilakukan untuk meningkatkan akurasi analisis sentimen. Metodologi mencakup pengumpulan data dari X (Twitter), pemodelan topik dengan LDA, dan analisis sentimen dengan LSTM. Hasilnya menunjukkan lima topik utama terkait PIT, dengan persentase sentimen 50,48% positif, 11,35% negatif, dan 38,17% netral, serta peningkatan akurasi LSTM dari 75% menjadi 85% setelah integrasi dengan LDA. Penelitian ini menunjukkan bahwa kombinasi LDA dan LSTM dapat membantu dalam mengevaluasi kebijakan publik dan mendukung pengelolaan sumber daya perikanan yang berkelanjutan. Oleh karena itu, saran untuk pengambil kebijakan adalah agar mereka mengintegrasikan model LDA ke dalam LSTM untuk mendapatkan hasil analisis sentimen yang lebih akurat saat merumuskan kebijakan yang responsif.
Kata Kunci: penangkapan ikan terukur, pemodelan topik, LDA, analisis sentimen, LSTM
B25000103 | Available |
No other version available