Analisis Sentimen Twitter Terhadap Kebijakan Ppkm Di Tengah Pandemi Covid-19 Menggunakan Mode LSTM

Adi Yahyadi; Fitri Latifah

doi:10.52362/jisamar.v6i2.791

Adi Yahyadi Universitas Nusa Mandiri
Fitri Latifah Universitas Nusa Mandiri

DOI: https://doi.org/10.52362/jisamar.v6i2.791

Abstract

Dalam penelitian ini dilakukan analisis sentimen tweet masyarakat Indonesia terhadap PPKM (Pemberlakuan Pembatasan Kegiatan Masyarakat). Tujuan dari penelitian ini adalah untuk mengetahui pendapat pengguna twitter di Indonesia tentang penerapan PPKM, Pada penelitian ini dilakukan analisis dan klasifikasi yaitu negative, netral dan positif pada setiap tweet masyarakat Indonesia tentang PPKM. Data yang digunakan pada penelitian ini adalah 4000 data tweet yang berisikan topik “PPKM” dimana data ini peneliti dapat melalui Scraping data menggunakan API Twitter. Setelah itu penulis melakukan preprosesing data pada data tweet dan menentukan polaritas sentiment tweet dengan Indonesia Sentiment Lexicon . Dan yang terakhir dilakukan analisis sentiment menggunakan model jaringan syaraf tiruan yaitu Long Short Term Memory( LSTM) kemudian melakukan tuning hyperparameter untuk mendapatkan hyperparameter terbaik dan meningkatkan akurasi model.

Downloads

Download data is not yet available.

Author Biographies

Adi Yahyadi, Universitas Nusa Mandiri

Program Studi Informatika

Fitri Latifah, Universitas Nusa Mandiri

Program Studi Informatika

References

[1] M. Z. Rahman, Y. A. Sari, and N. Yudistira, “Analisis Sentimen Tweet COVID-19 menggunakan Word Embedding dan Metode Long Short-Term Memory ( LSTM ),” vol. 5, no. 11, pp. 5120–5127, 2021.
[2] E. R. Yulia and K. Solecha, “Implementasi Particle Swarm Optimization (PSO) pada Analysis Sentiment Review Aplikasi Trafi menggunakan Algoritma Naive Bayes (NB),” Jurnal Teknik Komputer AMIK BSI, vol. 7, no. 1, 2021, doi: 10.31294/jtk.v4i2.
[3] “KINERJA DEEP LEARNING DALAM ANALISIS SENTIMEN TESIS.”
[4] K. Anam and U. Maarif Hasyim Latif, “APLIKASI AGEN CERDAS UNTUK PEMBELAJARAN PEMPROGRAMAN BERORIENTASI OBJEK BERBASIS NATURAL LANGUAGE PROCESSING (NLP).”
[5] A. G. Lazuardy, H. Setiaji, S. Kom, and M. Eng, DATA CLEANSING PADA DATA RUMAH SAKIT.
[6] T. Krisdiyanto, “Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers,” Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi, vol. 7, no. 1, pp. 32–37, 2021, [Online]. Available: http://ejournal.uin-suska.ac.id/index.php/coreit/article/view/12945
[7] “SENTIMENT ANALYSIS MENGGUNAKAN RULE BASED METHOD PADA DATA PENGADUAN PUBLIK BERBASIS LEXICAL RESOURCES.”
[8] D. Tri Hermanto, A. Setyanto, and E. T. Luthfi, “Algoritma LSTM-CNN untuk Sentimen Klasifikasi dengan Word2vec pada Media Online LSTM-CNN Algorithm for Sentiment Clasification with Word2vec On Online Media”.
[9] “308841-analisis-sentimen-layanan-provider-telep-45f07b49”.
[10] D. Wahyu Hariyanto and W. Maharani, “Analisis Sentimen pada Media Sosial Twitter Berbahasa Indonesia dengan Metode GloVe.”
[11] J. Homepage, A. Roihan, P. Abas Sunarya, and A. S. Rafika, “IJCIT (Indonesian Journal on Computer and Information Technology) Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” 2019.
[12] F. Handbook, “CLASS 10 Curated with support from Intel® Acknowledgements.”
[13] N. Muhsy, “Pengertian Instrumen Penelitian yang Belum Banyak Diketahui.” https://trifaris.net/pengertian-instrumen-penelitian/ (accessed Dec. 17, 2020).