Analisis Sentimen Tagar #KaburAjaDulu Pilihan Migrasi ke Jepang pada Platform X dengan NLP

Rajhaga Jevanya Meliala; Nur Indah Chasanah; Jonser Steven Rajali Manik; Thoriq Muhammad Pasya; Humannisa Rubina Lestari

doi:10.54914/dbesti.v2i1.1756

Penulis

Rajhaga Jevanya Meliala IPB University
Nur Indah Chasanah IPB University
Jonser Steven Rajali Manik IPB University
Thoriq Muhammad Pasya IPB University
Humannisa Rubina Lestari IPB University https://orcid.org/0000-0002-2385-9382

DOI:

https://doi.org/10.54914/dbesti.v2i1.1756

Kata Kunci:

#KaburAjaDulu, Analisis Sentimen, Media Sosial X, Migrasi ke Jepang, NLP

Abstrak

Tagar #KaburAjaDulu yang viral di platform X mencerminkan keresahan masyarakat Indonesia, terutama generasi muda, terhadap tekanan sosial dan ekonomi dalam negeri serta ketertarikan untuk bermigrasi ke Jepang. Fenomena ini menunjukkan dinamika opini publik digital yang kompleks, namun belum banyak penelitian yang secara khusus membandingkan efektivitas berbagai algoritma analisis sentimen dalam konteks ini. Oleh karena itu, penelitian ini bertujuan untuk menganalisis dan membandingkan hasil analisis sentimen publik terhadap tagar #KaburAjaDulu dengan konteks migrasi ke Jepang, menggunakan pendekatan natural language processing (NLP) melalui tiga algoritma: VADER, TextBlob, dan BERT. Sebanyak 1000 cuitan dikumpulkan menggunakan teknik scraping dan setelah proses pra-pemrosesan diperoleh 967 cuitan yang dianalisis. Sentimen diklasifikasikan ke dalam tiga kategori: positif, negatif, dan netral. Hasil menunjukkan bahwa VADER dan TextBlob cenderung menghasilkan sentimen netral dan positif, sedangkan BERT menunjukkan dominasi sentimen negatif sebesar 52,3%. Temuan ini menunjukkan bahwa BERT lebih sensitif dalam menangkap konteks dan sentimen tersirat dalam bahasa Indonesia informal. Penelitian ini menegaskan pentingnya pemilihan algoritma yang tepat dalam analisis sentimen media sosial dan memberikan kontribusi terhadap pemahaman aspirasi migrasi digital masyarakat Indonesia.

Unduhan

Data unduhan belum tersedia.

Referensi

[1] A. Gulo, “Revitalisasi Budaya Di Era Digital Dan Eksplorasi Dampak Media Sosial Terhadap Dinamika Sosial-Budaya Di Tengah Masyarakat,” Jurnal Pendidikan dan Kebudayaan (JURDIKBUD), vol. 3, no. 3. 172–184, Nov. 2023, doi: 10.55606/jurdikbud.v3i3.2655.

[2] F. M. A. Sofyan, N. Sulistiyowati, and A. Voutama, “Analisis Sentimen Terhadap Respon Perubahan Nama Twitter Menjadi ‘X’ Menggunakan Metode Naïve Bayes Classifier,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 5, Oct. 2024, doi: 10.36040/jati.v8i5.10720.

[3] J. A. Gani, “Tren #KaburAjaDulu Merebak! Apa yang Sebenarnya Terjadi? Bagaimana Asal Usulnya?,” Rublik Depok. Accessed: Apr. 21, 2025. [Online]. Available: https://depokraya.pikiran-rakyat.com/khazanah/pr-3299079263/tren-kaburajadulu-merebak-apa-yang-sebenarnya-terjadi-bagaimana-asal-usulnya

[4] A. N. Islamiyah, N. M. Priyanto, and N. P. D. Prabhandari, “Diplomasi Budaya Jepang dan Korea Selatan di Indonesia tahun 2020: Studi Komparasi,” Jurnal Hubungan Internasional, vol. 13, no. 2, Art. no. 2, Nov. 2020, doi: 10.20473/jhi.v13i2.21644.

[5] A. O’Neill, “Japan - Gross Domestic Product (GDP) per Capita 2029,” Statista. Accessed: Apr. 21, 2025. [Online]. Available: https://www.statista.com/statistics/263596/gross-domestic-product-gdp-per-capita-in-japan/

[6] I. E. Mufrida, “9,9 Juta Anak Muda di Indonesia Menganggur, Paling Banyak Lulusan SMA,” GoodStats. Accessed: Apr. 21, 2025. [Online]. Available: https://goodstats.id/article/9-9-juta-anak-muda-di-indonesia-menganggur-paling-banyak-lulusan-sma-exeqg

[7] D. Kushardiyanti, N. K. Khotimah, and Z. Mutaqin, “Sentimen Percakapan Pengguna Twitter pada Hashtag #NonHalal dalam Tipologi Eksklusivisme, Inklusivisme, Pluralisme, dan Toleransi Beragama,” Harmoni, vol. 21, no. 2, Dec. 2022, doi: 10.32488/harmoni.v21i2.630.

[8] S. M. Mohammad, “9 - Sentiment Analysis: Detecting Valence, Emotions, and Other Affectual States from Text,” in Emotion Measurement, H. L. Meiselman, Ed., Woodhead Publishing, 2016. 201–237. doi: 10.1016/B978-0-08-100508-8.00009-6.

[9] R. Aditya, “#KaburAjaDulu Artinya Apa? Tren Muncul Atas Kekecewaan Kondisi Indonesia,” suara.com. Accessed: Apr. 21, 2025. [Online]. Available: https://www.suara.com/lifestyle/2025/02/18/094200/kaburajadulu-artinya-apa-tren-muncul-atas-kekecewaan-kondisi-indonesia

[10] L. Zhang, S. Wang, and B. Liu, “Deep learning for sentiment analysis: A survey,” WIREs Data Mining and Knowledge Discovery, vol. 8, no. 4, 2018, doi: 10.1002/widm.1253.

[11] R. Muiz, R. F. Ishar, A. Febrianto, and M. N. Akbar, “Analisis Sentimen Komentar Pengguna Terhadap Game Moba Lokapala di Google Play Store Menggunakan Algoritma Support Vector Machine,” AGENTS: Journal of Artificial Intelligence and Data Science, vol. 4, no. 2, Aug. 2024, doi: 10.24252/jagti.v4i2.79.

[12] A. R. Hanum et al., “Analisis Kinerja Algoritma Klasifikasi Teks Bert dalam Mendeteksi Berita Hoaks,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 3. 537–546, Jul. 2024, doi: 10.25126/jtiik.938093.

[13] P. A. Permatasari, L. Linawat, and L. Jasa, “Survei Tentang Analisis Sentimen Pada Media Sosial,” Majalah Ilmiah Teknologi Elektro, vol. 20, no. 2. 177–186, May 2021, doi: 10.24843/MITE.2021.v20i02.P01.

[14] H. Y. Pradana, I. Slamet, and E. Zukhronah, “Analisis Sentimen Kinerja Pemerintahan Menggunakan Algoritma NBC, KNN, dan SVM,” ResearchGate, vol. 4. 114–121, 2022, doi: 10.31000/sinamu.v4i1.7869.

[15] N. L. Putri, B. Warsito, and B. Surarso, “Pengaruh Klasifikasi Sentimen Pada Ulasan Produk Amazon Berbasis Rekayasa Fitur dan K-Nearest Negihbor,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 1. 65–74, Feb. 2024, doi: 10.25126/jtiik.20241117376.

[16] T. B. B. Wicaksono and R. D. Syah, “Implementasi Metode Bidirectional Encoder Representations from Transformers untuk Analisis Sentimen terhadap Ulasan Aplikasi Access,” Jurnal Ilmiah Informatika Komputer, vol. 29, no. 3, Dec. 2024, doi: 10.35760/ik.2024.v29i3.12514.

[17] B. Santoso, S. Prawiradiredja, D. Abror, S. A. Sufa, A. Raharja, and P. T. Mardianta, “Implementasi Metode VADER Pada Analisis Sentimen Komentar Video Youtube Desa Wisata Bejijong,” Jurnal Teknologi Informasi, vol. 3, no. 2, Feb. 2025, doi: 10.26798/juti.v3i2.1868.