Book description

Di era digital, jutaan percakapan di media sosial menjadi cerminan nyata bagaimana masyarakat merespons berbagai kebijakan publik. Namun, bagaimana cara mengolah data teks yang begitu besar menjadi informasi yang objektif, akurat, dan bermanfaat bagi pengambilan keputusan?

Buku BERT dalam Analisis Sentimen Publik: Kajian Kebijakan Efisiensi APBN mengupas secara sistematis penerapan Bidirectional Encoder Representations from Transformers (BERT) dalam analisis sentimen terhadap kebijakan efisiensi Anggaran Pendapatan dan Belanja Negara (APBN). Pembahasan dimulai dari konsep dasar text mining, text preprocessing, pelabelan sentimen, hingga implementasi model BERT, proses fine-tuning, evaluasi performa model, serta visualisasi hasil analisis.

Menggunakan studi kasus percakapan masyarakat di platform X (Twitter), buku ini menunjukkan bagaimana teknologi Natural Language Processing (NLP) mampu mengidentifikasi opini publik secara lebih kontekstual dibandingkan pendekatan konvensional. Disajikan dengan bahasa yang runtut dan didukung ilustrasi serta contoh implementasi, buku ini menjembatani teori dan praktik dalam analisis data teks.

Buku ini sangat sesuai bagi dosen, mahasiswa, peneliti, praktisi data, pengembang kecerdasan buatan, analis kebijakan publik, maupun siapa saja yang ingin memahami pemanfaatan BERT untuk menghasilkan analisis sentimen yang akurat dan berbasis bukti. Lebih dari sekadar membahas teknologi, buku ini mengajak pembaca melihat bagaimana kecerdasan buatan dapat menjadi instrumen penting dalam memahami suara masyarakat dan mendukung penyusunan kebijakan yang lebih responsif, transparan, dan berorientasi pada data.