A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
PREDIKSI SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN VAKSIN COVID 19 MENGGUNAKAN RNN
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%
PREDIKSI SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN VAKSIN COVID 19 MENGGUNAKAN RNN
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%
PREDIKSI SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN VAKSIN COVID 19 MENGGUNAKAN RNN
dwi puji prabowo (author) / Ricardus anggi pramunendar (author) / Rama Aria Megantara (author)
2022
Article (Journal)
Electronic Resource
Unknown
Metadata by DOAJ is licensed under CC BY-SA 1.0
Analisis Persepsi Masyarakat Terhadap Lelang Indonesia Melalui Analisis n-gram dan Sentimen
| DOAJ | 2024
Analisis Sentimen Terhadap Isu Penundaan Pemilu di Twitter Menggunakan Naive Bayes Clasifier
| DOAJ | 2022