Amanda Amalia
Telkom Surabaya Institute of Technology

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

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
INTEGER: Journal of Information Technology Vol 8, No 1: Maret 2023
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2023.v8i1.4148

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.