AN EXPERIMENT USING AN LSTM MODEL FOR CLASSIFYING PUBLIC SENTIMENT TOWARDS THE ASTRAZENECA VACCINE

Hardian Oktavianto (Universitas Muhammadiyah Jember)
Henny Wahyu Sulistyo (Universitas Muhammadiyah Jember)
Taufiq Timur Warisaji (Universitas Muhammadiyah Jember)
Guruh Wijaya (Universitas Muhammadiyah Jember)

Antivirus : Jurnal Ilmiah Teknik Informatika
Vol 20 No 1 (2026): Mei 2026

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap vaksin AstraZeneca menggunakan metode Long Short-Term Memory. Data penelitian diperoleh dari media sosial X dengan rentang waktu 1 Februari 2024 hingga 15 Mei 2024, menghasilkan 251 data tweet yang telah melalui proses pembersihan, normalisasi, stopword removal, stemming, tokenisasi, dan padding. Model dibangun menggunakan arsitektur Sequential API TensorFlow Keras dengan lapisan Embedding, SpatialDropout1D, LSTM, dan Dense beraktivasi sigmoid. Evaluasi dilakukan pada tiga jenis distribusi data: original, oversampled, dan SMOTE. Hasil menunjukkan bahwa akurasi model pada ketiga kondisi data relatif sama, yaitu sebesar 65%, dengan nilai loss berkisar antara 64% hingga 67%. Hal ini mengindikasikan bahwa teknik penyeimbangan data seperti oversampling dan SMOTE tidak memberikan peningkatan performa signifikan dan bahkan dapat menimbulkan overfitting. Secara keseluruhan, penelitian ini membuktikan bahwa model LSTM mampu menangani ketidakseimbangan data dengan baik serta memberikan gambaran kuantitatif terhadap persepsi publik mengenai vaksin AstraZeneca.