KLASIFIKASI ULASAN NEGATIF ​​KASUS PERTAMAX OPLOSAN PADA MEDIA SOSIAL TWITTER(X) MENGGUNAKAN METODE LONG SHORT TERM MEMORY DAN WORD2VEC

Kasus Pertamax oplosan menjadi salah satu isu yang banyak mendapat perhatian masyarakat dan menimbulkan berbagai ulasan negatif di media sosial Twitter (X). Ulasan tersebut mengandung informasi penting mengenai persepsi publik yang dapat dianalisis secara sistematis untuk memahami permasalahan yang terjadi. Penelitian ini bertujuan untuk mengklasifikasikan ulasan negatif terkait kasus Pertamax oplosan ke dalam empat aspek utama, yaitu kualitas bahan bakar, ketidaksesuaian produk, kesalahan pengisian BBM, dan kepercayaan terhadap Pertamina, dengan menggunakan pendekatan deep learning.rn Metode yang digunakan dalam penelitian ini adalah Long Short-Term Memory (LSTM) yang dikombinasikan dengan Word2Vec menggunakan arsitektur Skip-Gram sebagai representasi kata. Dataset diperoleh melalui proses crawling data Twitter (X) menggunakan kata kunci terkait Pertamax oplosan. Sebelum dilakukan pemodelan, data dianalisis menggunakan Exploratory Data Analysis (EDA) untuk mengetahui distribusi data per aspek, bahasa yang digunakan dalam teks, serta variasi panjang tweet. Tahap preprocessing meliputi case folding, cleansing, tokenizing, normalisasi kata, stopword removal, dan stemming. Data kemudian dibagi menjadi data latih dan data uji dengan perbandingan 80% dan 20%.rn Evaluasi kinerja model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Selain itu, dilakukan hyperparameter tuning untuk memperoleh konfigurasi model terbaik. Berdasarkan hasil evaluasi uji, model LSTM dengan Word2Vec menghasilkan nilai accuracy 91,16% pada konfigurasi epoch 10, batch size 32, dropout 0.1, optimizer Adam, dan learning rate 0.0001. Hasil ini menunjukkan bahwa model mampu mengklasifikasikan ulasan negatif kasus Pertamax oplosan dengan kinerja yang cukup baik, meskipun masih terdapat pengaruh ketidakseimbangan distribusi data antar aspek.rn Berdasarkan hasil penelitian, dapat disimpulkan bahwa kombinasi Word2Vec dan LSTM efektif digunakan untuk klasifikasi ulasan negatif berbasis aspek pada media sosial Twitter (X). Penelitian ini diharapkan dapat menjadi referensi bagi pengembangan analisis sentimen berbasis deep learning pada data media sosial.