Pengembangan Model Manajemen Sentiment untuk Optimalisasi Branding Perguruan Tinggi Melalui Interaksi Media Sosial

Penelitian ini bertujuan untuk memahami bagaimana manajemen sentimen di media sosial, khususnya melalui analisis komentar di Instagram Universitas, dapat memberikan wawasan tentang pola sentimen calon mahasiswa dan stakeholder. Penerapan machine learning, terutama algoritma Naive Bayes, efektif untuk mengklasifikasikan sentimen sebagai positif, negatif, atau netral. Penggunaan artificial intelligence GPT-40 terbukti sangat membantu dalam mengidentifikasi gaya bahasa yang kompleks seperti ironi, sindiran, sarkasme, satir, dan metafora, yang seringkali sulit ditangani oleh metode konvensional berbasis kata kunci atau teknik non-parsing. AI GPT-40 mampu menginterpretasikan makna lebih dalam dari setiap komentar, sehingga meningkatkan akurasi klasifikasi sentimen dan mempercepat respons terhadap perubahan sentimen publik. Business Intelligence (BI) digunakan untuk memantau data secara real-time dan mendukung pengambilan keputusan yang cepat. Temuan menunjukkan adanya variasi dalam pemahaman gaya bahasa di antara responden, yang memengaruhi interpretasi sentimen, serta kecerdasan sentimen audiens yang sering kali tidak langsung menunjukkan sentimen negatif. Pendekatan berbasis makna dan budaya diperlukan untuk memahami sentimen dengan tepat. Sistem penandaan dengan bendera yang dikembangkan terbukti efektif dalam memantau perubahan sentimen negatif setelah respons diberikan. Penelitian ini berkontribusi pada pengembangan model manajemen sentimen yang lebih efektif, dengan menunjukkan bagaimana penggabungan machine learning, AI GPT-40, dan BI dapat meningkatkan kecepatan dan akurasi dalam mengelola sentimen publik, mendukung strategi branding universitas yang lebih adaptif.