Analisis Sentimen Dan Pemodelan Topik Fenomena Childfree di Indonesia Pada Media Sosial Menggunakan Metode Convulation Neural Network (CNN) Dan Latent Dirichlet Allocation (LDA).

Abstract

Fenomena childfree menjadi isu yang ramai dibahas di media sosial Indonesia dan menimbulkan beragam respons dari masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen publik serta mengidentifikasi topik utama terkait isu childfree dengan menggunakan metode Convolutional Neural Network (CNN) dan Latent Dirichlet Allocation (LDA). Data yang digunakan sebanyak 1.538 komentar, terdiri dari 500 tweet dan 1.038 komentar YouTube, yang telah melalui tahapan preprocessing dan pelabelan sentimen otomatis menggunakan VADER Sentiment Analyzer. Hasil labeling menunjukkan bahwa sebagian besar komentar mengandung sentimen negatif terhadap childfree. Model CNN yang dilatih menggunakan data berlabel tersebut menunjukkan performa tinggi dengan akurasi 98,72%, precision 98,70%, recall 98,84%, dan F1-score 98,77%. Sementara itu, pemodelan topik dengan LDA berhasil mengidentifikasi tiga topik utama, yaitu kebebasan memilih, tekanan sosial, dan faktor ekonomi, dengan nilai koherensi terbaik 0.2971. Hasil penelitian ini menunjukkan bahwa kombinasi CNN dan LDA efektif dalam menggambarkan persepsi publik serta tema dominan terkait childfree. Temuan ini memberikan kontribusi terhadap pemahaman wacana sosial masyarakat Indonesia dalam merespons pilihan gaya hidup tanpa anak di era digital.

Kata kunci:  childfree, CNN, LDA, analisis sentimen,pemodelan topik, media sosial