Ardi Mursyidi, - (2023) PENERAPAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) UNTUK ANALISIS SENTIMEN VAKSIN COVID-19 PADA TWITTER. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text BAB 1235 TA ARDI MURSYIDI 11651103473.pdf Download (1MB) | Preview
	Text (BAB IV) BAB 4 TA ARDI MURSYIDI 11651103473.pdf - Published Version Restricted to Repository staff only Download (897kB)

Abstract

COVID-19 diklasifikasikan sebagai pandemi global oleh Organisasi Kesehatan Dunia (WHO) sekitar pertengahan tahun 2020. Hingga Juli 2021, ketika angka deteksi COVID-19 di Indonesia mulai meningkat signifikan, penularan virus semakin meluas. Salah satu strategi yang digunakan pemerintah Indonesia untuk menghentikan penyebaran COVID-19 adalah vaksinasi. Banyak faktor, seperti tanggapan publik dan pendapat tentang kampanye vaksinasi, harus diperhitungkan sebelum program vaksinasi dilaksanakan. Memanfaatkan informasi dari media sosial Twitter yang dikumpulkan melalui Twitter API, dengan bantuan pemrograman python, diperoleh melalui crawling serta diolah menggunakan teknik crowdsourcing, dan majority voting. Studi ini mencoba mengklasifikasikan pemikiran dan tanggapan masyarakat terhadap implementasi vaksin ke dalam tiga kategori : positif, negatif, dan netral. Selain itu, kategorisasi opini publik terhadap vaksinasi COVID-19 akan dilakukan dengan menggunakan model BERT. Sebanyak 8000 data pelatihan, 778 data validasi, dan 400 data uji digunakan setelah penyeimbangan. Akurasi dan f1-score untuk hasil pengujian model BERT pada data seimbang masing-masing adalah 73% dan 69%, sedangkan nilai 70% dan 61% pada data yang tidak seimbang. Perbandingan temuan penelitian ini dengan penelitian sebelumnya menggunakan dataset yang sama, BERT merupakan model yang mendapatkan hasil tertinggi. Kata kunci: BERT, kelas tidak seimbang, klasifikasi sentimen Twitter, Vaksinasi COVID-19

Actions (login required)

View Item