SENTIMENT ANALYSIS PERSEPSI MASYARAKAT TERHADAP PROTOKOL KESEHATAN VIRUS CORONA DI TWITTER MENGGUNAKAN WORD2VEC MODEL DAN RECURRENT NEURAL NETWORK LEARNING

NI PUTU AYU ANESCA, 1617051126 (2022) SENTIMENT ANALYSIS PERSEPSI MASYARAKAT TERHADAP PROTOKOL KESEHATAN VIRUS CORONA DI TWITTER MENGGUNAKAN WORD2VEC MODEL DAN RECURRENT NEURAL NETWORK LEARNING. FAKULTAS MIPA, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK - NI PUTU AYU ANESCA.pdf Download (34Kb) | Preview
	File PDF FULL SKRIPSI - NI PUTU AYU ANESCA.pdf Restricted to Hanya staf Download (2494Kb)
Preview	File PDF FULL SKRIPSI TANPA BAB PEMBAHASAN - NI PUTU AYU ANESCA.pdf Download (2091Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

ABSTRACT SENTIMENT ANALYSIS OF PUBLIC PERCEPTION OF THE CORONA VIRUS HEALTH PROTOCOL ON TWITTER USING WORD2VEC MODEL AND RECURRENT NEURAL NETWORK LEARNING By Ni Putu Ayu Anesca Sentiment analysis is a computational study of opinion from various opinions, which is part of the work that conducts a review related to the computational treatment of opinions, sentiments, and perceptions of the text. To solve various problems in sentiment analysis, needed a good text representation method. In this study, a deep learning analysis was carried out using the Recurrent Neural Network (RNN) method and the Word2Vec Model as word embedding in sentiment classification. The sentiment dataset used comes from user reviews on Twitter (tweets) on the health protocols implemented by the public from the government's appeal. The results showed that the RNN model using sigmoid activation resulted in the greatest accuracy of 66%. The training process in this test uses 10 epochs and 32 batch sizes so that the precision value for negative sentiment is 54% and for positive sentiment is 67%. Keywords: Health Protocol, RNN, Semtiment Analysis, Word2Vec Model   ABSTRAK SENTIMENT ANALYSIS PROTOKOL KESEHATAN VIRUS CORONA DARI TWEET MENGGUNAKAN WORD2VEC MODEL DAN RECURRENT NEURAL NETWORK LEARNING Oleh Ni Putu Ayu Anesca Sentiment analysis adalah studi komputasi opini dari berbagai opini, yaitu bagian dari pekerjaan yang melakukan peninjauan berkaitan dengan perlakuan komputasional opini, sentimen, dan persepsi dari teks. Untuk menyelesaikan berbagai masalah dalam sentiment analysis, diperlukan metode representasi teks yang baik. Dalam penelitian ini, dilakukan analisis deep learning menggunakan metode Recurrent Neural Network (RNN) serta Word2Vec Model sebagai embedding kata dalam klasifikasi sentiment. Dataset sentiment yang digunakan berasal dari tweet pengguna di Twitter (tweet) terhadap protokol kesehatan yang diterapkan oleh masyarakat dari himbauan pemerintah Indonesia. Hasil penelitian menunjukkan bahwa Model RNN menggunakan aktivasi sigmoid menghasilkan akurasi terbesar bernilai 66%. Proses training pada pengujian ini menggunakan sebanyak 10 epoch dan 32 batch size sehingga nilai precision untuk sentiment negatif sebesar 54% dan untuk sentiment positif sebesar 67%. Kata kunci: Protokol Kesehatan, RNN, Sentiment Analysis, Word2Vec Model

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2203398018 . Digilib
Date Deposited:	09 Jun 2022 06:19
Terakhir diubah:	09 Jun 2022 06:19
URI:	http://digilib.unila.ac.id/id/eprint/62822

Actions (login required)

Lihat Karya Akhir