Media sosial kini menjadi cerminan suasana hati masyarakat secara real-time. Memahami hal tersebut, tim peneliti dari Program Studi Teknologi Rekayasa Perangkat Lunak (TRPL), Sekolah Vokasi UGM mengembangkan sistem pemantauan emosi publik di wilayah Yogyakarta.
Penelitian ini diketuai oleh Rochana Prih Hastuti, S.T., M.Eng. (sebagai penulis korespondensi), bekerja sama dengan Divi Galih Prasetyo Putri, S.Kom., M.Eng., Ph.D., serta melibatkan mahasiswa Ragajiwa Asa dan Tamara Sashikirana. Fokus utama riset ini adalah meningkatkan akurasi klasifikasi emosi pada data teks media sosial (khususnya Twitter/X) dengan mengatasi tantangan bahasa yang kompleks.
Mendeteksi emosi dari cuitan netizen bukanlah hal mudah. Tim peneliti menemukan berbagai tantangan teknis, seperti penggunaan kalimat yang sangat pendek, singkatan tak baku, karakter emoticon, hingga fenomena campur kode (code-mixing) atau percampuran antara Bahasa Indonesia, Bahasa Jawa, dan Bahasa Inggris yang kerap dilakukan warga Yogyakarta. Metode konvensional sering kali gagal menangkap makna di balik data yang “kotor” dan tidak terstruktur ini.
Sebagai solusi, tim peneliti menerapkan metode SBERT (Sentence-BERT) Multilingual Embedding. Berbeda dengan metode klasik seperti TF-IDF yang hanya menghitung frekuensi kata, SBERT dibangun dengan arsitektur Transformer yang mampu memahami konteks kalimat secara utuh. Keunggulan utama SBERT terletak pada skema kemiripan antarbahasa (multilingualism), sehingga sangat efektif untuk menangani teks dengan berbagai bahasa asing atau daerah yang tercampur.
Dalam penelitian ini, performa representasi SBERT dibandingkan dengan representasi klasik TF-IDF pada beberapa model machine learning. Hasilnya menunjukkan bahwa SBERT unggul dalam merepresentasikan konteks setiap kalimat. Meskipun hasil benchmark awal terlihat bervariasi, pada tahap inferensi (penerapan nyata), SBERT menunjukkan peningkatan performa yang menjanjikan dalam mengenali nuansa emosi pengguna.
Hasil akhir dari penelitian ini tidak hanya berhenti pada model matematis. Model terbaik yang dihasilkan telah diimplementasikan ke dalam Sistem Dashboard Klasifikasi Emosi. Melalui dashboard ini, kecenderungan emosi masyarakat di wilayah Yogyakarta dapat dipantau secara visual, memberikan wawasan berharga mengenai sentimen publik terhadap berbagai isu terkini.
Inovasi ini membuka peluang besar bagi pemanfaatan Natural Language Processing (NLP) untuk analisis sosial di Indonesia, membuktikan bahwa teknologi AI dapat beradaptasi dengan karakteristik bahasa lokal yang unik dan dinamis.
Pengembangan teknologi pemrosesan bahasa yang adaptif terhadap kearifan lokal ini merupakan terobosan penting dalam mendukung SDG 9 (Industry, Innovation, and Infrastructure), khususnya dalam memajukan kapasitas riset digital yang inklusif. Di sisi lain, kemampuan sistem dalam memetakan dinamika sosial masyarakat perkotaan secara real-time berkontribusi pada SDG 11 (Sustainable Cities and Communities), menyediakan wawasan berbasis data untuk memahami aspirasi warga. Selain itu, kolaborasi riset yang melibatkan mahasiswa ini menegaskan komitmen pada SDG 4 (Quality Education), mencetak talenta digital yang mampu menghadirkan solusi teknologi yang relevan dengan konteks budaya setempat.
