Record Details

Analisis Sentimen Tweet COVID-19 menggunakan Word Embedding dan Metode Long Short-Term Memory (LSTM)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Analisis Sentimen Tweet COVID-19 menggunakan Word Embedding dan Metode Long Short-Term Memory (LSTM)
 
Added Entry - Uncontrolled Name Rahman, Muhammad Zaini
Sari, Yuita Arum
Yudistira, Novanto
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Kebijakan pemerintah terkait karantina menimbulkan berbagai respon dari masyarakat masyarakat, sebagian masyarakat merasa hal ini harus dilaksanakan agar penyebaran penyakit COVID-19 dapat ditekan, namun tidak sedikit juga yang merasa hal ini merugikan masyarakat karena ruang geraknya dibatasi, respon-respon masyarakat ini dapat ditemukan di dalam postingan-postingan Twitter mereka. Dengan menganalisis sentimen pada postingan Twitter masyarakat maka kita dapat menyimpulkan apakah suatu kebijakan cenderung lebih banyak mendapatkan respon positif ataukah negatif terhadap masyarakat yang terdampak, untuk melakukan analisis ini digunakan metode deep learning yaitu Long-Short Term Memory (LSTM) dengan penambahan Word Embedding terhadap 1364 data Twitter masyarakat Indonesia yang dicrawling secara mandiri. Kinerja dengan menggunakan metode LSTM ini menghasilkan 81% accuracy, 80% precision, 80% recall, dan 81% f-measure. Metode LSTM ini menghasilkan performa yang lebih baik dibandingkan dengan 2 metode lainnya yaitu Naive Bayes dan Recurrent Neural Network (RNN) dengan selisih sebesar + 8%, dengan perincian 74% accuracy, 72% precision, 74% recall, dan 69% f-measure untuk metode Naive Bayes dan 71% accuracy, 71% precision, 72% recall, dan 72% f-measure untuk metode RNN.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10188
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 11 (2021): November 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com