METODE BIDIRECTIONAL LSTM MENGGUNAKAN WORD EMBEDDING UNTUK ANALISIS SENTIMEN TERHADAP VAKSIN COVID-19 DI INDONESIA PADA MEDIA SOSIAL TWITTER

Agustiningsih, Kartikasari Kusuma (2022) METODE BIDIRECTIONAL LSTM MENGGUNAKAN WORD EMBEDDING UNTUK ANALISIS SENTIMEN TERHADAP VAKSIN COVID-19 DI INDONESIA PADA MEDIA SOSIAL TWITTER. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 20.55.1408 Kartikasari Kusuma.pdf Download (4MB)

Abstract

Bencana non alam Corona Virus Disease 2019 (COVID-19) yang melanda dunia sejak akhir tahun 2019 membawa pengaruh yang besar dalam tatanan kehidupan manusia. Tatanan hidup baru berupa protokol kesehatan perlahan mulai diterapkan hingga saat ini seperti menjaga jarak, menggunakan masker, mengurangi mobilitas serta vaksinasi. Khusus untuk vaksinasi dimana setiap individu wajib melakukannya sebanyak 2 kali, bahkan 3 kali mulai banyak terjadi pro dan kontra. Pro dan kontra ini dapat dilihat secara langsung pada sosial media seperti Twitter. Penelitian ini memanfaatkan opini dari sosial media Twitter untuk dapat dianalisis sentimennya, baik itu sentimen positif, negatif dan netral. Proses melakukan sentimen analisis menggunakan 26.332 data. Data yang diperoleh akan dilakukan preprocessing lalu kemudian divektorisasi menggunakan 3 jenis word embedding yaitu, FastText, GloVe dan BERT dan diklasifikasikan menggunakan metode Bi-LSTM. Karena data yang digunakan tidak seimbang, maka perlu diakukan penanganan untuk menyeimbangkan data menggunakan SMOTE. Hal ini juga merupakan salah satu variabel dalam variasi skenario yang akan diuji. Karena keterbatasan komputasi, word embedding BERT tidak dapat dibandingkan dengan FastText dan GloVe. Dari hasil pengujian dengan berbagai skenario uji diperoleh akurasi terbaik sebesar 71.11% pada saat data divektorisasi menggunakan word embedding FastText.

Actions (login required)

View Item