Rancang Bangun Aplikasi Sentimen Pendapat Masyarakat Indonesia Terhadap Vaksin COVID-19 Dengan Menggunakan Algoritma Long Short-Term Memory Berbasis Web

Amanda Amalia, Dewi Rahmawati, Mohammad Sholik

Abstract

Pengguna aktif media sosial Twitter di Indonesia dinilai sebagai salah satu negara dengan pertumbuhan pengguna aktif harian media sosial Twitter paling banyak berdasarkan laporan finansial Twitter tahun 2019 yang digunakan untuk berkomunikasi berbagai informasi dengan pengguna lain. Twitter  digunakan sebagai sumber informasi yang berhubungan dengan kesehatan, mengingat banyaknya informasi, berita, dan juga opini yang disebarluaskan oleh warga negara dan juga sumber resmi. Dalam makalah ini, kami menggunakan analisis sentimen untuk mengeksplorasi sejumlah besar tweet di Indonesia. kami menggunakan 4.000 tweet dalam bahasa Indonesia. Tujuan dari penelitian ini yaitu untuk melihat kecenderungan pendapat atau opini seseorang terhadap sebuah topik dengan menerapkan metode word embedding dan algoritma Long Short-Term Memory (LSTM) untuk analisis terhadap sentimen mengenai vaksin COVID-19 yang berasal dari media sosial Twitter. Percobaan menggunakan LSTM-Word Embedding menghasilkan akurasi sebesar 74,46% dengan hasil akhir yang diperoleh yaitu sebanyak 425 data bersentimen positif dan 507 data bersentimen negatif. Hal ini penting dilakukan untuk memahami reaksi publik, penyebaran informasi pada media sosial, dan membuat strategi yang tepat yang selanjutnya harus dilakukan oleh pemerintah Indonesia.

Full Text:

download

References

A. K. Ingason, S. Helgadóttir, H. Loftsson, and E. Rögnvaldsson, “A mixed method lemmatization

algorithm using a Hierarchy of Linguistic Identities (HOLI),” Lecture Notes in Computer

Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in

Bioinformatics), vol. 5221 LNAI, pp. 205–216, 2008, doi: 10.1007/978-3-540-85287-2_20.

A. Susilo, C. M. Rumende, C. W. Pitoyo, W. D. Santoso, M. Yulianti, Herikurniawan, R. Sinto, G.

Singh, L. Nainggolan, E. J. Nelwan, L. K. Chen, A. Windhani, E. Wijaya, B. Wicaksana, M.

Maksum, F. Annisa, C. O. Jasirwan, and E. Yunihastiti, “Coronavirus Disease 2019: Tinjauan

Literatur Terkini,” Jurnal Penyakit Dalam Indonesia, vol. 7, no. 1, p. 45, 2020, doi:

7454/jpdi.v7i1.415.

C. K. N. Paputungan and A. Jacobus, “Sentiment Analysis of Social Media Users Using Long-Short

Term Memory Method,” Jurnal Teknik Elektro dan Komputer, vol. 10, no. 2, pp. 99–106, 2021.

D. Kurniawandanarissy and J. Sutan, “Penggunaan Sosial Media Dalam Menyebarkan Program

Vaksinasi Covid-19 Di Indonesia,” Kebijakan Publik, vol. 12, no. 1, pp. 27–34, 2021.

Dr. G. S. N. Murthy, Shanmukha Rao Allu, Bhargavi Andhavarapu, and Mounika Bagadi, Mounika

Belusonti, “Text based Sentiment Analysis using LSTM,” International Journal of Engineering

Research and, vol. V9, no. 05, pp. 299–303, 2020, doi: 10.17577/ijertv9is050290.

G. Wiro Sasmito, “Penerapan Metode Waterfall Pada Desain Sistem Informasi Geografis Industri

Kabupaten Tegal,” Jurnal Informatika:Jurnal Pengembangan IT (JPIT), vol. 2, no. 1, pp. 6–12,

K. Malik, M. Jasri, and A. S. Mashuri, “Information Retrieval (Ir) Pencarian Ide Pokok Dalam Teks

Artikel Olahraga Berbahasa Inggris Menggunakan Metode Mmr (Maximum …,” COREAI:

Jurnal Kecerdasan …, vol. 1, no. 1, pp. 18–24, 2020, [Online]. Available:

https://ejournal.unuja.ac.id/index.php/core/article/view/1641.

K. Relan, Building REST APIs with Flask. 2019. doi: 10.1007/978-1-4842-5022-8.

M. A. Nurrohmat and A. SN, “Sentiment Analysis of Novel Review Using Long Short-Term Memory

Method,” IJCCS (Indonesian Journal of Computing and Cybernetics Systems), vol. 13, no. 3, p.

, 2019, doi: 10.22146/ijccs.41236.

N. Buslim and R. P. Iswara, “Pengembangan Algoritma Unsupervised Learning Technique Pada Big

Data Analysis di Media Sosial sebagai media promosi Online Bagi Masyarakat,” Jurnal Teknik

Informatika, vol. 12, no. 1, pp. 79–96, 2019, doi: 10.15408/jti.v12i1.11342.

N. Mohamed Ali, M. M. A. el Hamid, and A. Youssif, “Sentiment Analysis for Movies Reviews

Dataset Using Deep Learning Models,” International Journal of Data Mining & Knowledge

Management Process, vol. 09, no. 03, pp. 19–27, 2019, doi: 10.5121/ijdkp.2019.9302.

N. R. Dewi, E. Y. Puspaningrum, and H. Maulana, “Analisis Sentimen Tweet Vaksinasi Covid-19

Menggunakan Rnn Dengan Metode Tf-Idf Dan Word2Vec,” vol. 3, no. 1, pp. 56–65, 2022.xAmalia, Rancang Bangun Aplikasi Sentimen Pendapat Masyarakat Indonesia Terhadap Vaksin COVID-19 Dengan Menggunakan Algoritma Long ShortTerm Memory Berbasis Web 53

S. N. Z. Baiq, “Analisis Perancangan dan Pengembangan Sistem Manajemen Informasi Kesiswaan di

SMK Negeri 2 Gerung”, Universitas Negeri Yogyakarta, pp. 1-90, 2016.

S. T. ind, Karambir, “A Simulation Model for the Spiral Software Development Life Cycle,”

International Journal of Innovative Research in Computer and Communication Engineering, vol.

, no. 05, pp. 3823–3830, 2015, doi: 10.15680/ijircce.2015.0305013.

U. Rofiqoh, R. S. Perdana, and M. A. Fauzi. (2017). “Analisis Sentimen Tingkat Kepuasan Pengguna

Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support

Vector Machine dan Lexion Based Feature,” Jurnal Pengembangan Teknologi Informasi dan

Ilmu Komputer (J-PTIIK) Universitas Brawijaya. Vol. 1. No. 12. pp. 1725–1732.

Y. Astari and R. Wahib, “Analisis Sentimen Multi-Class pada Sosial Media Menggunakan Metode

Long Short-Term Memory(LSTM), “Jurnal Linguistik Komputasional, vol.4, no.1, pp. 8-12,

, [Online]. Available: http://inacl.id/journal/index.php/jlk/article/view/43

DOI: https://doi.org/10.31284/j.integer.2023.v8i1.4148

Refbacks

  • There are currently no refbacks.