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

Abstract

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 komentar calon 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 seperti ironi, sindiran, sarkasme, satire, dan metafora. Algoritma Naive Bayes digunakan untuk pengklasifikasian sentimen dasar, sedangkan AI GPT-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 menghasilkan pemahaman sentimen yang lebih akurat dan memberikan wawasan penting dalam strategi branding universitas. Kombinasi teknologi Machine learning dan AI dalam analisis sentimen memberikan kontribusi pada pengembangan model manajemen sentimen yang lebih responsif dan relevan dengan kebutuhan branding universitas di era digital