Analisis Sentimen Multi Class Menggunakan Bi LSTM Dengan Ekstraksi Fitur Word2Vec Terhadap Fenomena Pernikahan Dini Pada Platform X

Penelitian ini bertujuan untuk mengklasifikasikan opini masyarakat terhadap fenomena pernikahan dini pada platform media sosial X menggunakan pendekatan analisis sentimen multi-kelas. Data yang digunakan sebanyak 2.008 komentar yang dikumpulkan melalui teknik crawling dan diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Metode klasifikasi yang digunakan adalah Bi-LSTM (Bidirectional Long Short-Term Memory), dengan representasi fitur berbasis Word2Vec untuk mengubah data teks menjadi vektor numerik bermakna. Sebelum proses klasifikasi, dilakukan penyeimbangan data menggunakan dua pendekatan, yaitu text augmentation dan SMOTE. Penelitian ini juga menguji beberapa skenario pelatihan model dengan kombinasi nilai epoch dan batch size untuk mendapatkan konfigurasi terbaik. Hasil pengujian menunjukkan bahwa model Bi-LSTM mampu mengklasifikasikan sentimen dengan baik, dan performa tertinggi diperoleh pada data hasil augmentasi teks dengan akurasi sebesar 90,6% menggunakan kombinasi epoch 25 dan batch size 256. Hasil ini membuktikan bahwa pendekatan Bi-LSTM dengan fitur Word2Vec efektif dalam melakukan klasifikasi sentimen multi-kelas.