ANALISIS SENTIMEN BERBASIS ASPEK DAN PENERAPAN XAI PADA RESPONS PUBLIK TERHADAP BENCANA SUMATERA 2025 DI X MENGGUNAKAN MODEL TRANSFORMER

Valusio, Poalca (2026) ANALISIS SENTIMEN BERBASIS ASPEK DAN PENERAPAN XAI PADA RESPONS PUBLIK TERHADAP BENCANA SUMATERA 2025 DI X MENGGUNAKAN MODEL TRANSFORMER. S1 thesis, Universitas Andalas.

	Text (Cover & Abstrak) 01. Cover & Abstrak.pdf - Published Version Download (1MB)
	Text (BAB I) 02. BAB I.pdf - Published Version Download (1MB)
	Text (BAB V) 03. BAB V.pdf - Published Version Download (740kB)
	Text (Daftar Pustaka) 04 Daftar Pustaka.pdf - Published Version Download (1MB)
	Text (Skripsi Fulltext) 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Manajemen darurat pasca bencana di Sumatera memerlukan analisis respons publik yang akurat, terutama dalam menghadapi ketidakseimbangan kelas dan keterbatasan interpretabilitas model komputasi. Penelitian ini bertujuan memetakan sentimen publik berbasis aspek, mengevaluasi kinerja model Transformer, serta mengidentifikasi faktor linguistik yang berkontribusi terhadap sentimen. Pendekatan Aspect-Based Sentiment Analysis diterapkan pada 1.009 teks media sosial X yang dikumpulkan pada November–Desember 2025. Klasifikasi mencakup tiga polaritas, yaitu positif, negatif, dan netral, serta tiga aspek, yaitu Bencana, Pemerintah, dan Korban. Penelitian ini melakukan komparasi tiga model yang meliputi IndoBERT Baseline, IndoBERT Optimized, dan Support Vector Machine (SVM) dengan SMOTE. Data dibagi menjadi 80% data latih dan 20% data uji. Hasil menunjukkan bahwa klasifikasi aspek pada model IndoBERT Optimized lebih unggul dengan F1-Score Macro sebesar 0,9546, dibandingkan dengan IndoBERT Baseline sebesar 0.9084 dan SVM sebesar 0,8800. Pada klasifikasi sentimen dengan ketidakseimbangan kelas, SVM dengan SMOTE memperoleh F1-Score Macro sebesar 0,7151, mengungguli IndoBERT Optimized sebesar 0,6719 dan Baseline sebesar 0.5926. Selain itu, SHAP mengidentifikasi kata “lambat”, “banjir”, dan “tenggelam” sebagai fitur dengan kontribusi terbesar terhadap sentimen negatif. Temuan ini menunjukkan bahwa integrasi model kontekstual, penyeimbangan data, dan XAI dapat mendukung analisis respons publik yang objektif untuk perumusan strategi mitigasi bencana.

Actions (login required)

View Item