Kebijakan efisiensi anggaran merupakan kebijakan yang diterapkan oleh pemerintah untuk memastikan pemanfaatan sumber daya negara dapat dilakukan secara optimal, efisien, dan berkelanjutan. Kebijakan tersebut menimbulkan berbagai tanggapan dari masyarakat, baik yang mendukung maupun yang mengeritik. Pendapat masyarakat tersebut banyak disampaikan melalui media sosial Twitter (X). Penelitian ini menggunakan algoritma Long Short-Term Memory (LSTM) untuk menganalisis sentimen. Hasil menunjukkan bahwa sentimen masyarakat di dominasi oleh sentimen negatif. Berdasarkan hasil pengujian, model LSTM berhasil memperoleh nilai Akurasi sebesar 83%, Precision sebesar 82%, Recall sebesar 83%, dan F1-Score sebesar 82%. Hasil tersebut menunjukkan bahwa model LSTM mampu mengklasifikasikan sentimen dengan cukup baik.
References
[1] N. Fahrezzy, A. Fatoni, Imron, and A. Agustina, “Dampak Ketidakpastian Global Terhadap Stabilitas Ekonomi Makro Indonesia,” J. Ekon. Syariah, vol. 02, no. 02, pp. 290–294, 2025.
[2] V. Agustina and A. Herliana, “Analisis Sentimen Publik atas Kebijakan Efisiensi Anggaran 2025 dengan Text Mining dan Natural Language Processing,” J. Media Inform., vol. 6, no. 3, pp. 2182–2194, 2025, [Online]. Available: https://ejournal.sisfokomtek.org/index.php/jumin/article/view/6301
[3] D. Yuliati, “Dampak Kebijakan Efisiensi Anggaran di BAPPEDA Provinsi NTB : Implikasi terhadap Pelayanan Publik (Impact of Budget Efficiency Policy in BAPPEDA of NTB Province: Implications for Public Services),” J. Kompil. Huk., vol. 10, no. 1, pp. 31–42, 2025.
[4] M. Ihsan and R. S. Adnan, “Media Sosial Twitter Sebagai Ruang Publik Virtual (Studi Kasus Penolakan Omnibus Law),” vol. 7, no. 3, pp. 3254–3267, 2022.
[5] Susilawat, Z. Sitorus, M. Iqbal, D. Nasution, and R. F. Wijaya, “Analisis Sentimen Penerapan Deep Learning dan Analisis Sentimen terhadap Gap Kompetensi Lulusan Lembaga Pendidikan dan Pelatihan Vokasi terhadap Dunia Kerja dengan Metode Long Short-Term Memory (LSTM),” Bull. Inf. …, vol. 6, no. 2, pp. 0–11, 2025, doi: 10.47065/bit.v5i2.2029.
[6] S. F. Pane and J. Ramdan, “Pemodelan Machine Learning : Analisis Sentimen Masyarakat Terhadap Kebijakan PPKM Menggunakan Data Twitter,” J. Sist. Cerdas, vol. 5, no. 1, pp. 12–20, 2022, doi: 10.37396/jsc.v5i1.191.
[7] N. R. Ramadhan and N. Hendrastuty, “Perbandingan Algoritma Naïve Bayes dan LSTM untuk Analisis Sentimen Terhadap Opini Masyarakat Tentang Sandwich Generation,” Build. Informatics, Technol. Sce., vol. 6, no. 3, pp. 1677–1687, 2024, doi: 10.47065/bits.v6i3.6385.
[8] R. Mukhaimin, R. Ester, and I. T. Hardono, “Optimalisasi Business Intelligence dengan Metode CRISP-DM pada Departemen Service Solution PT Home Center Indonesia,” vol. 3, no. 5, pp. 1268–1272, 2025, [Online]. Available: https://jurnalmahasiswa.com/index.php/jriin