| dc.description.abstract | Kebijakan efisiensi anggaran pemerintah memicu respons publik yang luas di media sosial, dengan potensi keterkaitan terhadap dinamika Indeks Keyakinan Konsumen (IKK), namun penelitian analisis sentimen selama ini jarang mengintegrasikan hasil klasifikasi ke dalam pemodelan indikator ekonomi. Penelitian ini bertujuan mengevaluasi kinerja berbagai model klasifikasi menggunakan GPT embedding sebagai fitur input, membandingkan performa tiga pendekatan GPT dalam klasifikasi sentimen yaitu prompt based classification, fine tuning, dan embedding based classification, serta menganalisis hubungan antara sentimen publik dan IKK menggunakan Generalized Additive Model (GAM). Penelitian menggunakan dua dataset teks berbahasa Indonesia, yaitu 17.620 ulasan aplikasi Mobile JKN dari Google Play Store dan 26.386 cuitan di media sosial X mengenai isu efisiensi anggaran pemerintah periode November 2024 hingga November 2025, yang dievaluasi menggunakan balanced accuracy dan macro F1 score. Pendekatan prompt based classification menggunakan model gpt 5 nano menghasilkan performa terbaik dan paling konsisten pada kedua dataset, dengan balanced accuracy sebesar 0,9551 dan macro F1 score sebesar 0,9564 pada dataset Mobile JKN, serta balanced accuracy sebesar 0,8609 dan macro F1 score sebesar 0,8566 pada dataset cuitan efisiensi anggaran, mengungguli pendekatan fine tuning maupun tujuh model embedding based yang diuji. Indeks sentimen bulanan yang dibangun dari hasil klasifikasi terbaik menunjukkan kondisi relatif berimbang pada November 2024 hingga Januari 2025, kemudian bergerak negatif secara tajam sejak Februari 2025 hingga mencapai titik terendah sebesar minus 0,5136 pada Juli 2025, sebelum menunjukkan pemulihan parsial pada Agustus hingga November 2025. Indeks sentimen memiliki korelasi positif tertinggi dengan IKK di antara seluruh prediktor makroekonomi yang diuji, yaitu sebesar 0,713. Full GAM yang menyertakan indeks sentimen bersama inflasi, BI Rate, dan nilai tukar menghasilkan adjusted R² sebesar 0,816 dan deviance explained sebesar 92,3 persen pada 13 observasi bulanan, lebih baik dibandingkan GAM tanpa sentimen yang hanya menghasilkan adjusted R² sebesar 0,577 dan deviance explained sebesar 74,5 persen, dengan kontribusi peubah sentimen yang bersifat indikatif pada nilai p sebesar 0,071 mengingat keterbatasan jumlah observasi bulanan. Temuan ini menegaskan bahwa sentimen publik berbasis GPT prompt based berpotensi digunakan sebagai indikator pelengkap yang cepat dan fleksibel bagi indikator makroekonomi konvensional dalam memantau persepsi publik dan dinamika keyakinan konsumen. | |
