Analisis Sentimen terhadap Program WJSC Menggunakan NLP pada Media Sosial
Main Article Content
Abstract
Kursus Women Jungle Survival Course (WJSC) merupakan program pelatihan bertahan hidup di alam liar yang dirancang untuk memberdayakan perempuan melalui pembelajaran berbasis pengalaman di luar ruang. Pasca pelaksanaannya, muncul beragam opini publik di media sosial yang mencerminkan sentimen positif, negatif, dan netral. Penelitian ini bertujuan untuk menganalisis sentimen warganet terhadap program WJSC 2025 dengan menggunakan pendekatan Natural Language Processing (NLP). Data diperoleh dari tiga platform media sosial, yaitu Instagram, TikTok, dan YouTube, kemudian melalui tahapan preprocessing berupa tokenisasi, pembersihan, dan normalisasi sebelum dilakukan klasifikasi sentimen. Model NLP digunakan untuk mengelompokkan opini publik ke dalam tiga kategori utama, sehingga diperoleh gambaran yang komprehensif mengenai persepsi masyarakat terhadap program tersebut. Hasil analisis menunjukkan bahwa metode NLP efektif dalam mengidentifikasi pola sentimen dan memberikan wawasan berharga bagi penyelenggara, seperti Eiger Adventure, untuk menyusun strategi komunikasi yang lebih responsif dan inklusif sesuai dengan ekspektasi publik. Kontribusi utama penelitian ini terletak pada penerapan metode NLP tingkat lanjut dalam kajian wacana digital mengenai program sosial berbasis gender. Temuan ini menegaskan potensi analisis sentimen berbasis NLP sebagai alat pemantauan umpan balik sosial yang dapat dimanfaatkan untuk meningkatkan desain dan efektivitas program pemberdayaan masyarakat secara berkelanjutan.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Agarwal, A., Xie, B., Vovsha, I., Rambow, O., & Passonneau, R. (2011). Sentiment analysis of Twitter data. Proceedings of the Workshop on Language in Social Media, 30–38. https://aclanthology.org/W11-0705/
Akbar, Y., & Sugiharto, T. (2023). Analisis sentimen Twitter terhadap ChatGPT menggunakan C4.5 dan Naïve Bayes. Saintek: Jurnal Sains dan Teknologi, 4(3), 1–10. https://doi.org/10.55338/saintek.v4i3.1368
Anggriyani, W., & Fakhriza, M. (2024). Analisis sentimen program makan gratis pada media sosial X menggunakan metode NLP. Jurnal Sosial dan Teknologi, 5(4), 1033–1042. https://doi.org/10.47065/josyc.v5i4.5826
Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2018). BERT: Pre-training of deep bidirectional transformers for language understanding (arXiv:1810.04805). arXiv. https://arxiv.org/abs/1810.04805
Girsang, D. L., Sidiq, A., & Elenaputri, T. S. (2023). Analisis sentimen masyarakat terhadap layanan BPJS Kesehatan dan faktor-faktor pendukung opini dengan pemodelan Natural Language Processing (NLP). Emerging Statistics and Data Science Journal, 1(2), 238–249. https://doi.org/10.20885/esds.vol1.iss.2.art24
Hendrawan, I. R., & Utami, E. (2023). Eksplorasi sentimen produk lokal Indonesia dengan NLP dan word embedding. Penerbit Buku Kita.
Irawan, R. N., Hindrayani, K. M., & Idhom, M. (2024). Penerapan cross validation sebagai analisis sentimen pelayanan publik Kereta Api Lokal Daop 8 menggunakan metode Multinomial Naïve Bayes. G-Tech: Jurnal Teknologi Terapan, 8(2), 954–963. https://doi.org/10.33379/gtech.v8i2.4117
Jurafsky, D., & Martin, J. H. (2023). Speech and language processing (3rd ed.). Pearson. https://web.stanford.edu/~jurafsky/slp3/
Manning, C. D., & Schütze, H. (1999). Foundations of statistical natural language processing. MIT Press.
Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to information retrieval. Cambridge University Press. https://nlp.stanford.edu/IR-book/
Toruan, A. M. L., Panjaitan, B. M., & et al. (2024). Penggunaan NLP dalam analisis sentimen untuk meningkatkan kepuasan pelanggan pada pengguna e-commerce: Lazada. Sains dan Teknologi, 1(1), 18–20.
Yuliawan, T. P. (2019). NLP: The art of enjoying life. Gramedia Pustaka Utama. ISBN: 978-979-22-5807-3