WEB SCRAPING DAN NATURAL LANGUAGE PROCESSING MENGGUNAKAN CNN UNTUK ANALISIS SENTIMEN LINTAS PLATFORM DIGITAL

Pertumbuhan pesat opini publik di platform digital seperti YouTube dan Detik.com menghasilkan volume data besar yang mencerminkan persepsi masyarakat. Namun, pengolahan data tersebut sering kali menghadapi kendala efisiensi jika dilakukan secara manual dan umumnya hanya berhenti pada klasifikasi sentimen tanpa memberikan solusi konkret bagi pengambil keputusan. Penelitian ini bertujuan membangun sistem analisis sentimen lintas platform end-to-end yang tidak hanya mengklasifikasikan sentimen tetapi juga menyajikan rekomendasi kebijakan otomatis. Metode yang diterapkan meliputi web scraping dinamis berbasis kata kunci, preprocessing, dan klasifikasi menggunakan algoritma Convolutional Neural Network (CNN). Selanjutnya, sistem mengintegrasikan Large Language Model (LLM) Llama untuk mengekstraksi tren kata kunci menjadi draf solusi kebijakan. Hasil pengujian menunjukkan bahwa model CNN mampu mencapai akurasi sebesar 81% dalam mengklasifikasikan sentimen. Integrasi visualisasi real-time dan rekomendasi kebijakan berbasis LLM terbukti mampu menjembatani kesenjangan antara analisis data teknis dan kebutuhan pengambilan keputusan praktis, menjadikan sistem ini solusi yang relevan dan adaptif terhadap dinamika isu publik