Bagaimana cara memahami jutaan komentar publik di Media Sosial X secara akurat dan berbasis data? Buku ini menjawabnya secara tuntas.
Pembaca akan dipandu melalui seluruh proses analisis sentimen, mulai dari pra-pemrosesan teks seperti cleaning, tokenizing, dan stemming, hingga ekstraksi fitur dengan TF-IDF dan Word2Vec, serta klasifikasi menggunakan algoritma Naïve Bayes dan KNN. Semua tahapan dibahas secara praktis dengan studi kasus nyata: analisis opini publik terhadap Program Makan Bergizi Gratis (MBG).
Buku ini juga membandingkan pendekatan pelabelan data menggunakan Gemini API dan INSET Lexicon, sehingga pembaca mendapatkan gambaran utuh tentang metode analisis sentimen yang relevan dan mutakhir. Cocok untuk mahasiswa, peneliti, dan praktisi yang ingin memanfaatkan machine learning untuk membaca dinamika opini publik di era digital.
