Analisis Sentimen Opini Publik terhadap Kebijakan Penghapusan Wisuda Pelajar di Jawa Barat Berbasis GRU dan SVM

Abstract

Media sosial kini berperan penting dalam membentuk opini publik karena memberikan ruang bagi masyarakat untuk mengutarakan  pandangan secara cepat dan terbuka terhadap berbagai kebijakan publik. Salah satu isu yang sempat menarik perhatian publik yaitu kebijakan penghapusan wisuda pelajar di Jawa Barat, yang memicu berbagai respons hingga perdebatan di kalangan masyarakat, khususnya pada platform X dan YouTube. Kondisi seperti ini menunjukkan perlunya penerapan analisis sentimen sebagai pendekatan sistematis untuk mengklasifikan opini publik, sehingga pola respons masyarakat dapat dipahami secara lebih objektif. Urgensi topik ini muncul karena opini publik di media sosial tidak hanya merefleksikan respons masyarakat, tetapi juga berkontribusi dalam membentuk persepsi serta penilaian terhadap kebijakan yang diterapkan. Namun, karakteristik data pada media sosial yang cenderung tidak terstruktur disertai dengan ketidakseimbangan distribusi antar kelas sentimen menjadi tantangan tersendiri dalam proses analisis. Oleh karena itu, diperlukan pemilihan metode klasifikasi yang sesuai agar hasilnya dapat merepresentasikan opini publik dengan lebih akurat. Pada penelitian ini digunakan pendekatan analisis sentimen dengan menerapkan metode Gated Recurrent Unit (GRU) dan Support Vector Machine (SVM) dengan menggunakan 5.426 data komentar yang telah melalui tahapan preprocessing, pelabelan semi-manual menggunakan lexicon-based, serta proses ekstraksi fitur. Model SVM menerapkan representasi TF-IDF dengan dan tanpa teknik SMOTE, sedangkan model GRU menggunakan embedding layer dan penerapan class weight sebagai upaya untuk menangani ketidakseimbangan data. Proses evaluasi dilakukan menggunakan metrik akurasi, precision, recall, F1-score, serta 5-Fold cross-validation. Berdasarkan hasil pengujian dengan beberapa skenario, model GRU dengan penerapan class weight dan jumlah epoch sebanyak 15 menunjukkan performa klasifikasi yang paling stabil. Distribusi sentimen didominasi oleh sentimen netral sebesar 64,16%, diikuti sentimen positif 34,20% dan negatif 1,64%. Temuan ini menunjukkan bahwa respons masyarakat terhadap kebijakan ini cenderung bersifat informatif dan normatif, dibandingkan dengan penolakan atau dukungan emosional yang berlebihan.

Kata kunci: analisis sentimen, GRU, SVM, media sosial, kebijakan