Analisis Sentimen Twitter Pada Kasus Konflik Papua Menggunakan Algoritma Convolutional Neural Network

Kelompok separatis Papua Barat yang terorganisir dalam Organisasi Papua Merdeka (OPM),rntelah menarik perhatian dunia internasional pada beberapa tahun terakhir. OPM keraprnmelakukan konflik bersenjata dengan anggota TNI di provinsi Papua. Ada banyak hal yangrnmemicu terjadinya gerakan ini, mulai dari isu rasialisme sampai masalah kesenjangan sosialrndan ekonomi. Pada point ini, masih belum banyak penelitian yang membahas pandanganrnmasyarakat terhadap konflik yang tengah terjadi di Papua. Pada era 4.0, sosial media telahrnmenjadi wadah yang penting sebagai media bersosialisasi dan penyampaian informasi.rnDengan menggunakan analisis sentimen pada Twitter kita dapat mengumpulkan opini publikrnyang tersirat di dalam pesan tweets bedasarkan topik yang diinginkan. Penelitian inirnbertujuan untuk menghasilkan suatu insight mengenai opini publik, baik negatif maupunrnpositif terhadap kasus konflik Papua. Data yang didapatkan dari hasil crawling berjumlahrn3115 tweet. Pada studi kasus ini diusulkan metode algoritma Convolutional Neural Networkrndengan bantuan word embedding pre-trained Word2vec. Embedding diperlukan untukrnmerepresentasikan data teks kedalam format vektor matriks agar dapat diproses oleh model.rnUji coba dilakukan dengan menerapkan embedding non-static dan static, serta kombinasirnkernel size 3, 4, 5 dan 4, 5, 6. Uji coba pada embedding non-static dengan kernel size 3, 4 danrn5 mendapakan hasil terbaik dengan accuracy 0.787, precision 0.774, dan recall 0.760.rnKemudian diikuti model dengan embedding non-static dengan kernel size 4, 5 dan 6 denganrnrata accuracy 0.769, precision 0.748, dan recall 0.738. Dan kemudian embedding staticrndengan kernel 3, 4 dan 5 yang menunjukkan rata-rata accuracy 0.673, precision 0.695, danrnrecall 0.528. Kinerja paling rendah ditunjukan oleh model embedding static dengan kernel 4,rn5 dan 6 dengan rata-rata accuracy 0.667, precision 0.713, dan recall 0.523.