Keandalan CNN dalam Mengolah Sentimen Publik Terhadap Sistem Sirekap

Kesimpulannya, penelitian oleh Handoko et al. (2024) berhasil menunjukkan potensi besar model deep learning, khususnya CNN, dalam melakukan analisis sentimen terhadap data media sosial terkait sistem Sirekap. Dengan akurasi mencapai 85,90%, model CNN terbukti lebih unggul dibandingkan CNN-LSTM dalam mengklasifikasikan sentimen publik. Temuan ini memberikan kontribusi penting bagi pengembangan metode analisis sentimen dalam konteks politik dan pemilu, menawarkan alat yang kuat bagi Komisi Pemilihan Umum (KPU) untuk lebih memahami opini publik dan meningkatkan proses pemilu di Indonesia.Namun, tantangan tetap ada, terutama dalam hal memperluas cakupan data dan memahami konteks sosial budaya yang lebih luas yang mempengaruhi sentimen publik. Diperlukan pendekatan yang lebih komprehensif yang mencakup berbagai platform media sosial dan mempertimbangkan dinamika opini publik yang lebih luas. Selain itu, pemanfaatan data analisis sentimen harus disertai dengan langkah-langkah kebijakan yang tepat untuk benar-benar meningkatkan transparansi dan kepercayaan publik.

Secara keseluruhan, artikel ini menawarkan wawasan berharga tentang bagaimana teknologi dan analisis data dapat digunakan untuk memperkuat proses demokrasi. Ini menyoroti perlunya pengambilan keputusan yang berbasis data dalam kebijakan publik dan pentingnya teknologi dalam meningkatkan kualitas dan integritas sistem informasi pemilu. Dengan terus mengembangkan dan menyempurnakan teknik ini, Indonesia dapat memperkuat demokrasinya dan memastikan bahwa setiap suara dihitung dengan benar dan transparan

Referensi

Handoko, A., Asrofiq, A., Junadhi, J., & Negara, A. S. (2024). Sentiment Analysis of Sirekap Tweets Using CNN Algorithm. INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi, 8(2). https://doi.org/10.29407/intensif.v8i2.23046