Analisis Sentimen Masyarakat Terhadap Perubahan Televisi Analog ke Digital Pada Twitter Menggunakan Metode BiLSTM

Perkembangan teknologi di era digital mengubah paradigma penyiaran televisi dari analog ke digital. Penelitian ini mengeksplorasi analisis sentimen masyarakat terhadap migrasi televisi menggunakan model Bidirectional Long Short-Term Memory (BiLSTM). Dataset berisi 9.597 data tweet dari Twitter, diperoleh dengan library SNScrape melalui proses scraping. Model BiLSTM digunakan untuk mengekstraksi sentimen positif, negatif, dan netral dari data tweet. Dataset ini diperoleh melalui proses sampling Slovin dengan tingkat error 2%, untuk memastikan representativitas sampel yang optimal dengan total 3.098 data tweet, penelitian ini menerapkan rasio split data 80:20, dengan 2.478 data untuk pelatihan model dan 620 data untuk pengujian. Teknik validasi silang (crossvalidation) 10 kali memberikan reliabilitas hasil yang baik. Hasil eksperimen mencapai rata-rata akurasi 91.36%, menunjukkan kinerja yang impresif. Analisis sentimen dilakukan pada sejumlah besar data dengan distribusi yang signifikan, terdiri dari 1.698 sentimen positif, 5.208 sentimen negatif, dan 2.691 sentimen netral, memberikan wawasan yang tentang variasi sentimen dalam dataset. Selain itu, distribusi hasil prediksi sentimen teridentifikasi kata-kata kunci yang mempengaruhi sentimen negatif, seperti "stb," "analog," dan "beli," mencerminkan ketidakpuasan terhadap kebijakan migrasi. Di sisi lain, kata-kata positif seperti "digital" dan "siar" mencerminkan pandangan positif terhadap teknologi digital. Hasil eksperimen menunjukkan bahwa pendekatan ini mampu melakukan klasifikasi sentimen pada data teks dengan akurasi tinggi.