Klasifikasi Masalah pada Komunitas Marah-marah di Twitter Menggunakan Bidirectional Long Short-term Memory

Abstract

Twitter adalah salah satu platform media sosial yang memiliki basis pengguna yang besar di Indonesia. Pada Twitter, pengguna diberi keleluasaan untuk berbagi momen dan pemikiran pribadi mereka tanpa ada pembatasan yang signifikan. Banyak dari mereka yang menjadikan platform ini sebagai wadah untuk mengungkapkan amarah, seperti yang terlihat pada Komunitas Marah-Marah. Bergabung dengan komunitas ini hanya memerlukan persetujuan admin, tanpa persyaratan khusus yang harus dipenuhi oleh pengguna. Dalam Komunitas Marah-Marah, para anggota memiliki kesempatan untuk secara bebas mengeluarkan dan berbagi amarah mereka. Penelitian ini bertujuan untuk mengklasifikasikan twit dari Komunitas Marah-Marah ke dalam jenis atau kategori permasalahan yang sesuai. Data teks diambil dengan menggunakan teknik web scraping, kemudian melewati sejumlah tahapan preprocessing, termasuk penghapusan karakter yang tidak relevan, normalisasi, tokenisasi, dan stemming. Melalui pemanfaatan algoritma Bidirectional Long Short-Term Memory (Bi-LSTM), teks berhasil diklasifikasikan ke dalam enam kategori permasalahan yang berbeda, seperti Studi, Percintaan, Keluarga, Karier/Pekerjaan, Person/Personal, dan Tidak Diketahui Masalahnya. Hasil evaluasi menunjukkan keberhasilan model mencapai tingkat akurasi data latih sebesar 0,8033 % dan akurasi data uji sebesar 0,8005%.