:::Catatannya The Echo:::: hasil analisis perubahan nomenklatur menggunakan NLP

Tuesday, December 17, 2024

hasil analisis perubahan nomenklatur menggunakan NLP

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:

Grafik Tren

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

  1. 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.
  2. 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.
  3. 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:

Best FIT :

  Tabel Perbandingan Metode dalam Administrasi Publik Pendekatan Metode Deskripsi Kelebihan Kelemahan Relevansi dalam Administrasi Publik Sk...