Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning

Naufal, Mohammad Farid and Kusuma, Selvia Ferdiana (2022) Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning. Jurnal Edukasi dan Penelitian Informatika, 8 (1). pp. 44-49. ISSN 2460-0741; E-ISSN 2548-9364

PDF Mohammad Farid Naufal_Analisis Sentimen pada Media Sosial Twitter.pdf Download (602kB)

Abstract

Kebijakan Pemberlakukan Pembatasan Kegiatan Masyarakat (PPKM) merupakan salah satu kebijakan pemerintah yang diambil untuk menekan laju persebaran Covid19. Tidak setiap kebijakan selalu berdampak positif untuk warga. Oleh sebab itu perlu adanya evaluasi terhadap setiap kebijakan. Saat ini banyak warga yang sering menanggapi kebijakan pemerintah melalui komentar- komentar di media sosial twitter. Komentar-komentar tersebut sebanarnya dapat dijadikan bahan evaluasi terhadap kebijakan yang telah diambil. Namun komentar- komentar tersebut perlu diklasifikasikan dahulu, komentar yang bersentimen positif, negative maupun netral. Proses pengklasifikasian secara manual tentunya akan menyita banyak waktu karena jumlah sangat banyak, bisa ribuah bahkan puluhan ribu. Perlu adanya otimatisasi pengklasifikasin sentimen dari twitter tersebut. Oleh sebab itu penelitian ini berfokus pada otomatisasi analisis sentimen komentar-komentar warga pada media sosial twitter terkait PPKM. Proses otomatisasi analisis sentimen terkait kebijakan PPKM ini berbasis deep learning. Semua data yang telah melalui preprocess dan pelabelan kemudian akan dimodelkan menggunakan algoritma Long Short Term Memory (LSTM). Model dibentuk berdasarkan uji coba paramater yang paling baik menggunakan algoritma grid search. Model yang terbentuk inilah yang digunakan untuk mengklasifikasikan sentimen tweet secara otomatis. Berdasarkan eksperimen yang dilakukan, metode yang diusulkan berhasil mengklasifikasikan 37750 tweet sesuai dengan sentimennya dengan akurasi 87%.

Item Type:	Article
Uncontrolled Keywords:	Deep Leraning, Sentimen Analisis, PPKM, Twitter
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering > Department of Informatic
Depositing User:	MOHAMMAD FARID NAUFAL
Date Deposited:	14 Apr 2022 01:56
Last Modified:	11 Oct 2024 09:05
URI:	http://repository.ubaya.ac.id/id/eprint/41763

Actions (login required)

View Item