Abstract:
Perkembangan teknologi digital telah mengubah cara masyarakat menyampaikan
pendapat, salah satunya melalui media sosial Twitter. Dalam konteks sosial dan
korporat, Pertamina sebagai BUMN di sektor energi kerap menjadi sasaran opini
publik, baik positif (ujaran baik) maupun negatif (ujaran kebencian). Untuk
mengelola informasi tersebut, dibutuhkan sistem yang mampu mengklasifikasikan
twit secara otomatis dan akurat. Penelitian ini bertujuan untuk membangun model
klasifikasi teks berbasis Deep Learning, khususnya menggunakan metode
Convolutional Neural Network (CNN), untuk mengidentifikasi twit yang memuat
ujaran kebencian dan ujaran positif terhadap Pertamina. Data diambil dari
platform Twitter dengan kata kunci terkait, kemudian melalui proses
preprocessing dan pelabelan manual. Dataset yang telah dibersihkan kemudian
dibagi menjadi data latih dan data uji untuk dilatih dengan arsitektur CNN. Hasil
penelitian menunjukkan bahwa model CNN memiliki kinerja klasifikasi yang
sangat baik, dengan akurasi validasi mencapai 98,08% dan akurasi pengujian
sebesar 97,66%. Evaluasi dengan confusion matrix menunjukkan presisi dan
recall yang tinggi, serta f1-score mencapai 0,98. Temuan ini menunjukkan bahwa
metode CNN mampu mengidentifikasi ujaran kebencian dan ujaran positif secara
akurat dalam data teks berbahasa Indonesia, terutama terkait isu-isu terkait
Pertamina. Penelitian ini diharapkan dapat berkontribusi pada pengembangan
sistem pemantauan media sosial dan manajemen opini publik otomatis.
