Afri Naldi, - and Surya Agustian, - (2023) KLASIFIKASI SENTIMEN VAKSIN COVID-19 MENGGUNAKAN K-NEAREST NEIGHBOR BERDASARKAN WORD EMBEDDINGS FASTTEXT PADA TWITTER. https://journal.unilak.ac.id/index.php/zn/article/view/12548, 5 (2). pp. 323-333. ISSN 2656-7407

Preview

Text Jurnal AFRI NALDI (11651103444).pdf Download (1MB) | Preview

Abstract

Pada akhir 2019 muncul penyakit semacam flu pertama di kota Wuhan, yang menginfeksi paru�paru dan sistem pernapasan manusia. Diduga penyakit tersebut diduga berasal dari kelelawar. WHO memberi nama penyakit ini dengan nama Covid-19, ketika virus ini tersebar ke seluruh dunia sehingga menyebabkan pandemi. Pemerintah Indonesia mengambil tindakan vaksinasi untuk mengatasi virus ini, namun mendapat respon pro dan kontra sebagai bentuk sentimen dari masyarakat. Penelitian ini membahas klasifikasi sentimen terhadap kebijkan vaksin covid-19 menggunakan algoritma K-Nearest Neighbor berdasarkan word embeddings Fasttext pada media sosial twitter. Data diperoleh dengan cara crawling menggunakan Twitter API. Pelabelan data dilakukan secara crowdsourcing dengan majority voting. Dataset terdiri atas 8000 data training, 778 data development dan 400 data testing. Hasil pengujian setelah berbagai eksperimen pencarian model optimal dari feature selection dan feature engineering, mendapatkan hasil nilai akurasi 69% dan f1-score 60%. Hasil ini cukup kompetitif dibandingkan beberapa metode machine learning lainnya dengan dataset yang sama.

Actions (login required)

View Item