Berikut adalah contoh penyajian hasil analisis perubahan nomenklatur menggunakan NLP untuk data tahun 2023, beserta interpretasinya:
1. Hasil Preprocessing Data
Setelah dilakukan preprocessing seperti tokenisasi, stopword removal, dan stemming, berikut ringkasan data:
No | Teks Asli | Teks Bersih |
---|---|---|
1 | "Kementerian Riset dan Teknologi" | "kementerian riset teknologi" |
2 | "Kementerian Riset, Teknologi, dan Pendidikan Tinggi" | "kementerian riset teknologi pendidikan tinggi" |
3 | "Dinas Kesehatan Provinsi" | "dinas kesehatan provinsi" |
Interpretasi:
- Pola nomenklatur awal dan baru telah disederhanakan sehingga siap dianalisis lebih lanjut.
- Stemming berhasil mengurangi variasi kata, seperti pendidikan dan pendidikanan menjadi bentuk dasar pendidikan.
2. Identifikasi Perubahan Nomenklatur
Menggunakan TF-IDF dan Word Embedding, ditemukan perbedaan istilah:
Nomenklatur Lama | Nomenklatur Baru | Tahun Perubahan |
---|---|---|
Kementerian Riset dan Teknologi | Kementerian Riset, Teknologi, dan Pendidikan Tinggi | 2024 |
Dinas Pendidikan Daerah | Dinas Pendidikan dan Kebudayaan | 2024 |
Badan Litbang | Badan Riset dan Inovasi | 2024 |
Interpretasi:
- Terjadi penambahan cakupan fungsi pada nomenklatur baru, seperti penambahan kata pendidikan atau kebudayaan.
- Istilah baru menunjukkan penggabungan fungsi lembaga atau penekanan pada tugas tambahan.
3. Analisis Topik (Topic Modeling)
Dengan menggunakan LDA (Latent Dirichlet Allocation), diperoleh 2 topik utama yang mendasari perubahan nomenklatur:
Topik | Kata Kunci Utama | Frekuensi |
---|---|---|
Kebijakan Pendidikan | pendidikan, kebudayaan, teknologi, tinggi | 55% |
Reformasi Organisasi | badan, riset, inovasi, reformasi, struktur | 45% |
Interpretasi:
- Topik 1: Perubahan nomenklatur didorong oleh fokus baru di sektor pendidikan dan kebudayaan.
- Topik 2: Penekanan pada restrukturisasi lembaga riset untuk meningkatkan efisiensi organisasi.
4. Tren Temporal Tahun 2023
Grafik di bawah menunjukkan frekuensi kemunculan nomenklatur lama dan baru sepanjang tahun 2023:
Interpretasi:
- Nomenklatur baru mulai muncul pada kuartal kedua tahun 2024 dan mendominasi pada kuartal keempat.
- Puncak perubahan terjadi di bulan Oktober-November, yang dapat bertepatan dengan penerbitan peraturan atau restrukturisasi organisasi.
5. Sentimen Publik terhadap Perubahan
Menggunakan Sentiment Analysis pada publikasi berita dan media sosial tahun 2024:
Sentimen | Jumlah Dokumen/Posting | Persentase |
---|---|---|
Positif | 120 | 60% |
Netral | 50 | 25% |
Negatif | 30 | 15% |
Interpretasi:
- Mayoritas reaksi publik bersifat positif (60%) terkait perubahan nomenklatur, yang menunjukkan penerimaan baik.
- Sentimen negatif (15%) terkait dengan kebingungan fungsi atau penolakan perubahan dalam kebijakan tertentu.
Kesimpulan dan Rekomendasi
-
Hasil Utama:
- Perubahan nomenklatur pada tahun 2023 banyak didorong oleh penambahan fungsi organisasi dan penyesuaian kebijakan di sektor riset, teknologi, dan pendidikan.
- Analisis topik menunjukkan fokus baru pada reformasi organisasi dan integrasi tugas lintas lembaga.
-
Implikasi Kebijakan:
- Perubahan nomenklatur perlu disertai sosialisasi yang kuat untuk menghindari kebingungan di masyarakat.
- Organisasi yang mengalami restrukturisasi harus memastikan bahwa perubahan nama diikuti dengan perbaikan tata kelola dan fungsi yang jelas.
-
Rekomendasi:
- Evaluasi dampak perubahan nomenklatur secara berkala.
- Gunakan pendekatan teknologi seperti NLP untuk memantau persepsi publik dan efektivitas implementasi kebijakan.
Catatan: Visualisasi grafis seperti word cloud, line chart, dan network graph dapat ditambahkan untuk mendukung interpretasi hasil. Data mentah dari tahun 2024 dapat disesuaikan berdasarkan konteks studi kasus.
No comments:
Post a Comment