VOKASI NEWS – Ratusan berita mengenai perguruan tinggi negeri (PTN) dipublikasikan setiap hari. Mulai dari prestasi mahasiswa, kebijakan pimpinan kampus, hingga isu yang menjadi sorotan publik, seluruh pemberitaan tersebut turut membentuk citra sebuah perguruan tinggi. Melakukan analisis secara manual tentu membutuhkan waktu dan tenaga yang besar. Berangkat dari tantangan tersebut, lahirlah SentiPTN, sistem berbasis Artificial Intelligence (AI) yang mampu mengidentifikasi sentimen berita secara otomatis ke dalam kategori negatif, netral, atau positif.
Sistem ini dikembangkan menggunakan IndoBERT, model pemrosesan bahasa alami (Natural Language Processing/NLP) yang dirancang khusus untuk memahami bahasa Indonesia. Penelitian memanfaatkan berita dari 42 perguruan tinggi negeri yang dikumpulkan melalui proses web scraping secara bertahap untuk menjaga efisiensi pengambilan data sekaligus menghindari duplikasi artikel.
Pengumpulan Data Dilakukan Bertahap
Proses pengumpulan data tidak dilakukan sekaligus. Peneliti terlebih dahulu mengumpulkan seluruh tautan berita, kemudian menghapus tautan yang sama sebelum mengambil isi artikelnya.
Strategi tersebut dipilih karena satu berita sering kali muncul lebih dari satu kali pada hasil pencarian. Dengan cara tersebut, proses pengambilan data menjadi lebih efisien, menghemat sumber daya, serta mengurangi risiko pemblokiran dari situs sumber. Setiap tahapan juga dilengkapi mekanisme penyimpanan sehingga proses dapat dilanjutkan apabila terjadi gangguan tanpa harus mengulang dari awal.
Sebanyak 1.155 artikel berhasil dikumpulkan dan selanjutnya diberikan label sentimen secara manual oleh seorang ahli bahasa Indonesia. Pelabelan dilakukan untuk memastikan model memperoleh data pelatihan yang memiliki kualitas tinggi sehingga mampu membedakan konteks sentimen secara lebih akurat.
Menguji Pengaruh Judul dan Data Sintetis
Penelitian menghadapi tantangan berupa distribusi data yang tidak seimbang karena artikel bernada positif jumlahnya jauh lebih sedikit dibandingkan artikel negatif maupun netral.
Untuk mengatasi kondisi tersebut, peneliti menerapkan dua metode oversampling, yaitu Synthetic Minority Over-sampling Technique (SMOTE) dan Adaptive Synthetic Sampling (ADASYN), yang menghasilkan data sintetis tambahan pada kelas minoritas.
Selain itu, dilakukan dua pendekatan dalam proses pelatihan model. Pendekatan pertama hanya menggunakan isi berita, sedangkan pendekatan kedua menggabungkan judul dan isi berita. Keenam kombinasi skenario kemudian dibandingkan untuk mengetahui konfigurasi yang menghasilkan performa terbaik.
Judul Berita Ternyata Menjadi Faktor Penentu
Hasil penelitian menunjukkan temuan yang cukup menarik. Model terbaik justru diperoleh dari skenario yang tidak menggunakan data sintetis, tetapi memanfaatkan kombinasi judul dan isi berita. Skenario tersebut menghasilkan akurasi sebesar 84,38 persen dengan nilai F1-Score 82,20 persen, sedikit lebih tinggi dibandingkan model yang menggunakan metode ADASYN.
Temuan ini menunjukkan bahwa penambahan data sintetis tidak memberikan peningkatan performa yang signifikan pada kumpulan data penelitian. Sebaliknya, keberadaan judul berita memberikan kontribusi yang jauh lebih besar terhadap kemampuan model dalam mengenali sentimen.
Judul Membantu AI Memahami Sentimen
Peneliti menjelaskan bahwa judul berita umumnya telah merangkum inti informasi sekaligus menggambarkan nada pemberitaan secara lebih jelas.
Kondisi tersebut membantu IndoBERT mengenali konteks sentimen sejak awal, terutama karena model memiliki keterbatasan jumlah token yang dapat diproses dalam satu waktu. Pada artikel yang panjang, sebagian isi berita dapat terpotong, sementara informasi penting dalam judul tetap terbaca secara utuh.
Temuan ini menunjukkan bahwa penggunaan judul bersama isi berita merupakan strategi yang lebih efektif dibandingkan sekadar memperbanyak data pelatihan melalui teknik oversampling.
Melalui pengembangan SentiPTN, analisis sentimen berita mengenai perguruan tinggi kini dapat dilakukan secara lebih cepat, konsisten, dan objektif. Sistem ini berpotensi membantu institusi pendidikan memantau citra yang terbentuk di media sekaligus menjadi dasar dalam menyusun strategi komunikasi yang lebih efektif di era digital.
[BACA JUGA: Inovasi Alat Fiksasi Tingkatkan Kenyamanan Fisik dan Ergonomi Pemeriksaan Skoliosis]
Penulis: Anisa Maharani
Editor: Inviana (Tim Vokasi Branding)
