ANALISIS SENTIMEN DATA TWITTER TERHADAP OPINI PUBLIK MENGENAI TRAGEDI KANJURUHAN MALANG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK-LONG SHORT-TERM MEMORY (CNN-LSTM)

Insiden tragis pasca pertandingan Arema FC melawan Persebaya di Kanjuruhan telah berhasil menyita perhatian publik. Ramainya pemberitaan tentang tragedi Kanjuruhan membuat Twitter dipenuhi cuitan masyarakat terhadap peristiwa tersebut, sehingga tragedi kanjuruhan menjadi trend topik yang banyak dibicarakan di Indonesia. Demi menghindari adanya krisis pemahaman, analisis sentimen digunakan untuk mengidentifikasi masalah atau keluhan masyarakat sebelum menjadi krisis yang lebih besar. Dengan menangani masalah yang muncul sejak dini, dapat menjaga kepercayaan publik dan kondisi sosial masyarakat dapat lebih terjamin. Maka dari itu dibuatlah suatu sistem untuk memberikan sentimen otomatis dan mengklasifikasi sentimen agar ditemukan kesimpulan umum terkait sentimen masyarakat yang muncul terkait kejadian. Dalam analisis sentimen ini memanfaatkan metode hybird deep learning yang terdiri dari gabungan model Convolutional Neural Network (CNN)-Long Short-Term Memory (LSTM) yang didukung oleh metode word embedding Skip-Gram dari model Word2Vec. Penggunaan metode hybird deep learning mampu mengklasifikasikan sentimen masyarakat berdasarkan kelas positif, negatif, dan netral. Data yang diperoleh berasal dari Twitter sebanyak 4500 tweet, data tersebut diambil pada tanggal 24 Oktober-1 Desember 2022 setelah 2 minggu tragedi Kanjuruhan terjadi. Berdasarkan hasil pengujian CNN-LSTM, disimpulkan bahwa nilai akurasi yang didapatkan dari kombinasi 5 iterasi dan 100 dimensi Skip-gram mencapai kinerja sistem yang baik dalam klasifikasi kalimat atau teks dengan nilai akurasi sentimen sebesar 80.8%.