Optimalisasi Manajemen Sentimen di Media Sosial Universitas melalui Machine Learning dan AI - Studi Kasus pada Komentar Instagram - Jurnal

Aug 5, 2026

Unggah oleh Rowan

Penelitian ini mengkaji efektivitas manajemen sentimen pada media sosial universitas dengan memanfaatkan algoritma Naive Bayes serta teknologi AI GPT-40 untuk menganalisis komentar calon mahasiswa dan stakeholder pada Instagram. Sentimen diklasifikasikan ke dalam positif, negatif, dan netral, sekaligus mengidentifikasi gaya bahasa kompleks seperti ironi, sindiran, sarkasme, satire, dan metafora. Naive Bayes digunakan untuk klasifikasi sentimen dasar, sementara GPT-40 menafsirkan makna mendalam pada gaya bahasa yang tidak eksplisit. Business Intelligence mendukung visualisasi data dan keputusan yang lebih cepat. Temuan menegaskan bahwa perhatian terhadap konteks budaya dan linguistik meningkatkan akurasi pemahaman sentimen serta memperkuat strategi branding universitas di era digital.

BahasaIndonesian

KategoriPenelitian & Laporan

FormatPDF

Halaman8

Waktu Membaca12 mnt

AksesGratis untuk diunduh

Daftar Isi

Pendahuluan

Peran pendidikan dan indikator kemajuan bangsa

Pertumbuhan perguruan tinggi dan persaingan menarik calon mahasiswa

Kebutuhan branding dan pengelolaan sentimen yang efektif

Pengembangan model manajemen sentimen berbasis machine learning

Volume 11 Nomor 1, 2025, 31-38 ISSN: 2460-1799 P-ISSN: 1432-602743 Optimalisasi Manajemen Sentimen di Media Sosial Universitas melalui Machine Learning dan AI: Studi Kasus pada Komentar Instagram Sri Pernia Warakmulty, dan Yeffry Handoko Putra* Magister Sistem Informasi, Universitas Komputer Indonesia, Jl. Dipati Ukur 112-116 Bandung [e-mail: niah@email.unikom.ac.id](e-mail: niah@email.unikom.ac.id), [yeffryhandoko@email.unikom.ac.id](yeffryhandoko@email.unikom.ac.id)* Diterima: 18/03/2025; Review: 29/04/2025; Disetujui: 10/05/2025 ABSTRAK– Penelitian ini mengeksplorasi efektivitas penerapan manajemen sentimen di media sosial universitas, terutama dengan menggunakan algoritma Naive Bayes dan teknologi v (AI) GPT-40, dalam menganalisis komentarcalon mahasiswa dan stakeholder di Instagram. Penelitian ini bertujuan untuk memahami pola sentimen audiens, yang diklasifikasikan menjadi positif, negatif, dan netral, serta mengidentifikasi gaya bahasa yang kompleks sepertiironi, sindiran, sarkasme, satire, dan metafora. Algoritma Naive Bayes digunakan untuk pengklasifikasian sentimendasar, sedangkanAIGPT-40 berperan dalam menganalisis makna lebih dalam dari gaya bahasa yang tidak eksplisit, sehingga meningkatkan akurasi klasifikasi dan mengoptimalkan interpretasi sentimen. Business Intelligence (BI) digunakan untuk menyediakan visualisasi data dan mendukung pengambilan keputusan yang cepat. Temuan penelitian menunjukkan bahwa pendekatan yang memperhatikan konteks budaya dan linguistik menghasilkanpemahaman sentimen yang lebih akurat dan memberikan wawasan penting dalam strategi branding universitas. Kombinasi teknologi Machine learning dan AIdalam analisis sentimen memberikan kontribusipada pengembangan model manajemen sentimen yang lebih responsif dan relevan dengan kebutuhan branding universitas di era digital. Kata Kunci – Manajemen Sentimen, Media Sosial, Machine learning, AI GPT-40, Naive Bayes, Gaya Bahasa, Business Intelligence Optimizing Sentiment Management on University Social Media through Machine learning and AI: A Case Study on Instagram Comments ABSTRACT– This study explores the effectiveness of sentiment management on university social media, particularly through the use of the Naive Bayes algorithm and GPT-40 artificial intelligence (AI) technology, in analyzing comments from prospective students and stakeholders on Instagram. The research aims to understand audience sentiment patterns, classified into positive, negative, and neutral, while also identifying complex linguistic styles such as irony, innuendo, sarcasm, satire, and metaphor. The Naive Bayes algorithm is applied for basic sentiment classification, while AI GPT-40 plays a role in analyzing the deeper meanings of non-explicit linguistic styles, thereby improving classification accuracy and optimizing sentiment interpretation. Business Intelligence (BI) is used to provide data visualization and support rapid decision-making. The study’s findings indicate that an approach attentive to cultural and linguistic context results in more accurate sentiment comprehension and provides critical insights for university branding strategies. The combination of machine learning and AI technologies in sentiment analysis contributes to developing a more responsive and relevant sentiment management model for university branding needs in the digital era. Keywords – Sentiment Management, Social Media, Machine learning, AI GPT-40, Naive Bayes, Linguistic Style, Business Intelligence This is an open access article under the CC BY-SA license Tersedia di [https://ojs.unikom.ac.id/index.php/JTK3TI](https://ojs.unikom.ac.id/index.php/JTK3TI) Sri Pernia Warakmulty, dan Yeffry Handoko Putra JTK3TI: Jurnal Tata Kelola dan Kerangka Kerja TI, Vol. 11, No. 1, Mei 2025 1. PENDAHULUAN Pendidikan memiliki peranan yang sangat penting dalam meningkatkan kompetensisumber daya manusia. Melalui pendidikan, kecerdasan intelektual, sikap, dan keterampilan seseorang dapat di

Pertanyaan Umum

Penelitian ini menggunakan pendekatan apa untuk mengelola sentimen di media sosial universitas?

Penelitian menggunakan manajemen sentimen berbasis algoritma Naive Bayes dan teknologi AI GPT-40 untuk menganalisis komentar di Instagram.

Bagaimana sentimen diklasifikasikan dalam penelitian ini?

Sentimen diklasifikasikan menjadi positif, negatif, dan netral, dengan penekanan pada interpretasi makna dari gaya bahasa yang tidak eksplisit.

Mengapa konteks budaya dan linguistik penting dalam analisis sentimen pada penelitian ini?

Pendekatan yang memperhatikan konteks budaya dan linguistik menghasilkan pemahaman sentimen yang lebih akurat dan memberi wawasan untuk strategi branding universitas.

Aug 5, 2026

Unggah oleh Rowan