SKRIPSI DIGITAL
Analisis Sentimen dan Pemodelan Topik terhadap Diskursus Publik mengenai Pelindungan Data Pribadi di Indonesia = Sentiment Analysis and Topic Modeling of Public Discourse on Personal Data Protection in Indonesia
Pelindungan Data Pribadi menjadi isu penting di Indonesia seiring pesatnya transformasi digital. Meskipun demikian, penelitian yang mengkaji diskursus publik mengenai pelindungan data pribadi menggunakan Natural Language Processing (NLP), khususnya analisis sentimen dan pemodelan topik, masih terbatas. Penelitian ini bertujuan menganalisis sentimen masyarakat, membandingkan performa model SVM, Bi-LSTM, IndoBERT, dan IndoBERTa, serta mengidentifikasi topik utama menggunakan BERTopic. Metode yang digunakan adalah CRISP-DM yang meliputi scraping, preprocessing, pelabelan data, pelatihan, evaluasi, dan deployment. Dataset penelitian terdiri atas data media sosial dari X dan YouTube serta berita daring dari Kompas.com dan Detik.com periode 2020–2025. Hasil penelitian menunjukkan bahwa sentimen negatif mendominasi media sosial, sedangkan sentimen netral mendominasi berita daring. IndoBERT memberikan performa terbaik pada dataset media sosial dengan akurasi dan F1-score 85%, sedangkan IndoBERTa memberikan performa terbaik pada dataset berita daring dengan akurasi sebesar 87,58% dan F1-score 83,13%. BERTopic mengidentifikasi 18 topik pada media sosial dan 8 topik pada berita daring dengan coherence score masing-masing sebesar 0,554664 dan 0,513757. Penelitian ini menunjukkan bahwa pendekatan NLP mampu memberikan pemahaman mengenai sentimen dan topik utama dalam diskursus publik terkait pelindungan data pribadi di Indonesia.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah