Miftahul Ihsan, ihsan (2022) Long Short Term Memory for Sentiment Vaccine COVID19 Vaccine Classfication on Twitter. Long Short Term Memory for Sentimen Vaccine COVID19 Classification, 13 (1). pp. 79-89. ISSN 2477-3255

Preview

Text paper ihsan gabung2.pdf Download (1MB) | Preview

Abstract

Abstrak Pelaksanaan vaksinasi Covid-19 yang dilakukan pemerintah Indonesia, pada awalnya telah memicu pro kontra dalam masyarakat. Perbuatan pro kontra yang disebut juga sentiment tersebut, dapat mempengaruhi orang untuk menerima atau menolak divaksin. Saat ini, sentiment dapat diungkapkan dalam media sosial dalam bentuk posting, komentar, maupun status. Salah satu cara untuk mendeteksi sentimen di media sosial apakah postif atau negatif, adalah pendekatan klasifikasi teks. Penelitian ini mengusulkan teknik deep learning dengan Long short term memory (LSTM) untuk klasifikasi sentiment pada Twitter, untuk kelas positif, netral dan negatif. Model word embeddings word2vec digunakan sebagai input, menguji penggunaan pretrained model Bahasa Indonesia dari korpus Wikipedia. Di samping itu model word2vec berbasis topik juga dilatih dari dataset sentimen vaksinasi Covid-19 yang dikumpulkan dari Twitter. Data yang digunakan setelah dilakukan penyeimbangan adalah 2563 data latih, 778 data validasi dan 400 data uji dengan 1802 data netral, 1066 data negatif dan 566 data positif. Hasil terbaik dari berbagai proses optimasi parameter memberikan nilai F1-Score 54% dengan akurasi 66%. Hasil dari penelitian ini menghasilkan model yang dapat mengklasifikasi sentimen dengan kalimat yang baru.

Actions (login required)

View Item