Implementasi Convolutional Neural Network untuk Klasifikasi Opini Publik Pada Media Sosial Twitter/X Tentang Bunga Bugenvil
DOI:
https://doi.org/10.30606/rjti.v4i3.4047Keywords:
Opini Publik, Twitter/X, Bunga Bugenvil, Klasifikasi Sentimen, Convolutional Neural Network (CNN)Abstract
Media sosial kini telah menjadi sarana utama bagi masyarakat untuk berbagi informasi dan pendapat tanpa batasan usia. Salah satu platform yang aktif digunakan di Indonesia adalah Twitter (kini dikenal sebagai X). Fenomena meningkatnya ketertarikan masyarakat terhadap tanaman hias, khususnya bunga bugenvil (Bougainvillea), menarik perhatian peneliti untuk menganalisis opini publik yang terbentuk di platform tersebut. Penelitian ini bertujuan untuk mengklasifikasikan sentimen publik terhadap bunga bugenvil dengan menggunakan metode Convolutional Neural Network (CNN). Data dikumpulkan melalui teknik web scraping berdasarkan kata kunci terkait bunga bugenvil, kemudian dilakukan tahap preprocessing teks, pelabelan sentimen menggunakan model IndoBERT, serta pelatihan model CNN dengan embedding FastText. Hasil penelitian menunjukkan bahwa opini publik terhadap bunga bugenvil di Twitter/X secara umum bersifat positif, dengan akurasi model mencapai 86% pada data uji dan 88% pada validasi. Namun, distribusi data yang tidak seimbang, di mana kelas netral mendominasi hingga 79% dari dataset, memengaruhi kemampuan model dalam mengenali opini positif secara optimal. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan analisis opini publik berbasis media sosial dengan pendekatan pembelajaran mendalam (deep learning).
Downloads
References
M. W. Ningrum and E. Hartanto, “OPINI PUBLIK PADA AKTIVISME TANDA PAGAR ‘#’ DI MEDIA SOSIAL TWITTER ( SOCIAL NETWORK ANALYSIS DAN SENTIMENT ANALYSIS PENGGUNA TWITTER TERHADAP,†pp. 1–13, 2022.
A. S. Negara, U. Sains, and T. Indonesia, “Sentiment Analysis of Sirekap Tweets Using CNN Algorithm,†vol. 8, no. 2, pp. 312–329, 2024.
A. Noerhalim and E. E. Nurlaelih, “Pengaruh Aplikasi Etephon Terhadap Tiga Varietas Bugenvil ( Bougainvillea Spp .) Response of Etephon Concentration to Three Bougainvillea ( Bougainvillea spp .) varieties,†vol. 10, no. 11, pp. 625–631, 2022.
“Sentiment Analysis towards Jokowi Post-Presidential Term Using CNN-BiLSTM with Multi-head Attention on Platform X,†vol. 17, no. 2, pp. 150–161, 2025.
P. Ayuningtiyas, K. D. Tania, and W. K. Sari, “Sentiment- Based Knowledge Discovery pada Aplikasi iPusnas Menggunakan Metode Machine Learning dan Deep Learning,†vol. 9, no. 5, pp. 2486–2497, 2025.
H. Jayadianti, W. Kaswidjanti, A. Tri, and S. Saifullah, “Sentiment analysis of Indonesian reviews using fine- tuning IndoBERT and R-CNN,†vol. 14, no. 3, pp. 348–354, 2022.
A. Zahri, R. Adam, and E. B. Setiawan, “Social Media Sentiment Analysis using Convolutional Neural Network ( CNN ) dan Gated Recurrent Unit ( GRU ),†vol. 9, no. 1, pp. 119–131, 2023, doi: 10.26555/jiteki.v9i1.25813.
N. Parveen, P. Chakrabarti, B. T. Hung, and A. Shaik, “Twitter sentiment analysis using hybrid gated attention recurrent network,†J. Big Data, 2023, doi: 10.1186/s40537- 023-00726-3.
S. K. Datta, “Literature survey and futuristic research approach on floriculture :,†Discov. Plants, 2024, doi: 10.1007/s44372-024-00026-x.
N. H. Di Cara, V. Maggio, O. S. P. Davis, and M. A. Haworth, “Methodologies for Monitoring Mental Health on Twitter : Systematic Review Corresponding Author :,†vol. 25, pp. 1–21, doi: 10.2196/42734.
N. R. Hamzah, “Analisis Sentimen Multimodal terhadap Opini Publik Mengenai Kesehatan Mental di Media Sosial X dengan Metode CNN BiLSTM dan Ekspansi fitur FastTextâ€.
D. H. Fudholi, “Mental health prediction model on social
media data using CNN- BiLSTM,†vol. 4, no. 1, 2024.
F. Anistya and E. B. Setiawan, “Hate Speech Detection on Twitter in Indonesia with Feature Expansion,†no. March, 2022, doi: 10.29207/resti.v5i6.3521.
A. Zeyer, P. Doetsch, P. Voigtlaender, R. Schl, and H. Ney, “A COMPREHENSIVE STUDY OF DEEP BIDIRECTIONAL LSTM RNNS,†pp. 3–7.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Nabila Utami, Erni Rouza, Rendi Eka Kurnia, Dkk
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Riau Jurnal Teknik Informatika provides open access to anyone so that the information and findings in these articles are useful for everyone. This journal's article content can be accessed and downloaded for free, free of charge, following the creative commons license used.
Riau Jurnal Teknik Informatika is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
