Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika Upgris

PREDIKSI SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN VAKSIN COVID 19 MENGGUNAKAN RNN prabowo, dwi puji; pramunendar, Ricardus anggi; Megantara, Rama Aria
Jurnal Informatika UPGRIS Vol 8, No 1: Juni 2022
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v8i1.11599

Abstract

Memahami sentimen dari opini publik terkait vaksin COVID-19 merupakan tantangan untuk meningkatkan penerimaan vaksin di masyarakat. Analisis sentimen telah memberikan banyak manfaat termasuk di bidang kesehatan. Analisis Sentimen dapat membantu memberikan gambaran yang dirasakan dan dipikirkan oleh para penerima vaksin. RNN merupakan salah satu metode deep learning yang sering diterapkan untuk penelitian analisis sentimen. RNN dengan arsitekur LSTM telah terbukti unggul dibandingkan metode deep learning lainnya dalam menyelesaikan tugas analisis sentimen. Penelitian ini mengusulkan model RNN-LSTM yang menerapkan arsitektur Bidirectional Layer (Bi-LSTM) agar penyerapan informasi kontekstual data lebih optimal karena data input diproses secara forward dan backward. Serta menambahkan mekanisme variational dropout pada layer LSTM untuk mendapatkan model yang optimal dan terhindar dari overfitting. Namun, keberhasilan dan keoptimalan model deep learning sangat bergantung pada ukuran dataset, jenis tugas dan penentuan parameternya. Dalam penelitian ini eksperimen terhadap nilai parameter arsitektur model dilakukan untuk mendapatkan model yang optimal dalam melakukan analisis sentimen opini publik terkait Vaksin COVID-19. Sehingga parameter terbaik didapatkan untuk model Bi-LSTM ini yaitu seperti berikut: maxlen =50, embedding size= 300, recurrent unit = 50, variational dropout = 0.25, optimizer Nadam, dan epoch = 100. Hasil evaluasi menunjukkan model BI-LSTM ini mampu melakukan analisis sentimen terhadap opini publik terkait vaksin COVID-19 ke dalam tiga kelas sentimen (positif, netral dan negatif) dengan baik dan mendapatkan akurasi sebesar 89.15% dengan rata-rata presisi 88%, recall 89% dan F1-score 88.43%
Co-Authors Abu Salam Adrian, Aurell Zulfa Angger Ahmad Akrom Ahmad Khotibul Umam, Ahmad Khotibul Akrom, Ahmad Al zami, Farrikh Al-Azies, Harun Alzami, Farrikh Anggi Pramunendar, Ricardus Ashari, Ayu Asih Rohmani, Asih Brilianto, Rivaldo Mersis Budi, Setyo Chaerul Umam Dewi Agustini Santoso Diana Aqmala Dibyo Adi Wibowo Dwi Puji Prabowo Dwi Puji Prabowo, Dwi Puji Erika Devi Udayanti Fahmi Amiq Fauzi Adi Rafrastara Fikri Diva Sambasri Firman Wahyudi, Firman Go, Agnestia Agustine Djoenaidi Guruh Fajar Shidik Hadi, Heru Pramono Harun Al Azies Heni Indrayani Herfiani, Kheisya Talitha Ifan Rizqa Ika Novita Dewi Irwan, Rhedy ISWAHYUDI ISWAHYUDI Khoirunnisa, Emila Kurniawan Aji Saputra Kurniawan, Defri Kusumawati, Yupie L. Budi Handoko Lalang Erawan Lesmarna, Salsabila Putri Mahendra, Syafrie Naufal Maulana, Isa Iant Moch. Sjamsul Hidajat Moh Yusuf, Moh Moh. Yusuf Mohammad Arif Muhammad Naufal Muslih Muslih Nabila, Mira Nazella, Desvita Dian Nurhindarto, Aris Ocky Saputra, Filmada Pergiwati, Dewi Puji Prabowo, Dwi Pulung Nurtantio Andono Puri Sulistiyawati Puri Sulistiyawati Ramadhan Rakhmat Sani Ratmana, Danny Oka Ricardus Anggi Pramunendar Rifqi Mulya Kiswanto Rini Anggraeni Ritzkal, Ritzkal Rofiani, Rofiani Rohman, Muhammad Syaifur Sambasri, Fikri Diva Saputra, Filmada Ocky Saputra, Resha Mahardhika Saputri, Pungky Nabella Saraswati, Galuh Wilujeng Sasono Wibowo Sinaga, Daurat Soeleman, M Arief Sri Winarno Suharnawi Suharnawi Widyatmoko Karis Yuventius Tyas Catur Pramudi Zahro, Azzula Cerliana