Penelitian ini bertujuan untuk mengklasifikasikan opini masyarakat terhadap fenomena pernikahan dini pada platform media sosial X menggunakan pendekatan analisis sentimen multi-kelas. Data yang digunakan sebanyak 2.008 komentar yang dikumpulkan melalui teknik crawling dan diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Metode klasifikasi yang digunakan adalah Bi-LSTM (Bidirectional Long Short-Term Memory), dengan representasi fitur berbasis Word2Vec untuk mengubah data teks menjadi vektor numerik bermakna. Sebelum proses klasifikasi, dilakukan penyeimbangan data menggunakan dua pendekatan, yaitu text augmentation dan SMOTE. Penelitian ini juga menguji beberapa skenario pelatihan model dengan kombinasi nilai epoch dan batch size untuk mendapatkan konfigurasi terbaik. Hasil pengujian menunjukkan bahwa model Bi-LSTM mampu mengklasifikasikan sentimen dengan baik, dan performa tertinggi diperoleh pada data hasil augmentasi teks dengan akurasi sebesar 90,6% menggunakan kombinasi epoch 25 dan batch size 256. Hasil ini membuktikan bahwa pendekatan Bi-LSTM dengan fitur Word2Vec efektif dalam melakukan klasifikasi sentimen multi-kelas.


Deskripsi Lain

This study aims to classify public opinions on the phenomenon of early marriage on the social media platform X using a multi-class sentiment analysis approach. The dataset consists of 2,008 comments collected through web crawling and categorized into three sentiment classes: positive, negative, and neutral. The classification method used is Bi-LSTM (Bidirectional Long Short-Term Memory), with feature representation based on Word2Vec to convert textual data into meaningful numerical vectors. Prior to classification, data balancing was performed using two approaches: text augmentation and SMOTE. This study also evaluates several model training scenarios with various combinations of epochs and batch sizes to obtain the optimal configuration. The experimental results demonstrate that the Bi-LSTM model can effectively classify sentiment, with the best performance achieved on augmented text data, reaching an accuracy of 90.6% using 25 epochs and a batch size of 256. These results indicate that the Bi-LSTM approach with Word2Vec features is effective in performing multi-class sentiment classification.

• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• STRATEGI PERILAKU PERNIKAHAN USIA DINI DALAM MEMPERTAHANKAN KEHIDUPAN EKONOMI RUMAH TANGGA (Studi kasus di dusun lebak, desa pasongan, kecamatan pasongan kabupaten sumenep)
• Keharmonisan Keluarga Pada Pasangan Yang Menikah Dini (Studi Kasus Pasangan Menikah Dini Di Desa Larangan Luar, Kecamatan Larangan, Kabupaten Pamekasan, Madura).
• ANALISIS YURIDIS TINDAK PIDANA PENODAAN AGAMA DI MEDIA SOSIAL DAN MEDIA MASSA
• KOMUNIKASI KELUARGA BERMEDIASI(STUDI KASUS TERHADAP KELUARGA YANG TERPISAH BERKOMUNIKASI MENGGUNAKAN MEDIA SOSIAL)