ANALISIS SENTIMEN TERHADAP TANGGAPAN MASYARAKAT PADA MEDIA SOSIAL X MENGGUNAKAN METODE LONG SHORT TERM MEMORY (LSTM) (STUDI KASUS : KASUS OPLOSAN PERTAMAX)

Perkembangan media sosial X (Twitter) menjadikannya sumber opini publik real-time, seperti pada kasus "oplosan Pertamax". Analisis sentimen ini penting bagi PT Pertamina untuk evaluasi strategi komunikasi. Namun, volume data yang besar dan bahasa informal di media sosial menjadi tantangan untuk pengolahan manual. Penelitian ini mengimplementasikan metode Long Short-Term Memory (LSTM) untuk mengklasifikasikan tanggapan di platform X terkait kasus tersebut menjadi sentimen positif dan negatif. Data dikumpulkan dan melalui tahap preprocessing seperti cleaning, case folding, tokenizing, normalization, penghapusan stopword, dan stemming. Fitur diekstraksi menggunakan TF-IDF. Data dibagi dengan rasio 70:30 (training dan testing)menggunakan stratified sampling mengingat ketidakseimbangan kelas (13,2% positif, 86,8% negatif). Model LSTM dibangun dengan dua lapisan, regularization L2, dropout, dan batch normalization untuk mencegah overfitting. Evaluasi menggunakan metrik accuracy, precision, recall, dan *F1-score*. Hasil menunjukkan model LSTM berkinerja baik dengan akurasi 94,10%, precision positif 81,30%, recall positif 71,94%, dan *F1-score* positif 76,34%. Temuan mengindikasikan LSTM efektif menangani data teks sekuensial dan kontekstual media sosial, sehingga dapat menjadi alat handal untuk pemetaan persepsi publik secara otomatis. Implikasi penelitian menyediakan peta sentimen akurat bagi PT Pertamina dan landasan empiris untuk pengembangan sistem ana