Detail Cantuman

Media sosial dapat dimanfaatkan untuk menyampaikan aspirasi masyarakat terhadap kebijakan pemerintah. Beberapa kebijakan pemerintah yang menyangkut regulasi penanganan covid-19 kerap kali menuai tanggapan dan kritik masyarakat terutama di media sosial twitter. Aspirasi yang disampaikan dapat memuat respon positif atau negatif. Untuk mengetahui representasi sentimen masyarakat berdasarkan respon tersebut, maka perlu dilakukan suatu teknik analisis sentimen. Pada penelitian ini digunakan metode Long Short-Term Memory (LSTM) untuk melakukan klasifikasi. Metode Long Short-Term Memory (LSTM) merupakan metode Deep learning yang dapat melakukan analisis sentimen. LSTM digunakan karena memiliki kelebihan dalam menyimpan informasi yang besar di dalam sel memori. Data yang digunakan merupakan data Tweet berbahasa Indonesia. Sebelum melakukan pemodelan klasifkasi, dataset melewati proses case folding, punctuation removal, normalization, dan stopword removal. Hal ini bertujuan untuk meringankan proses pelatihan dengan menghilangkan karakter atau kata yang tidak dibutuhkan. Selanjutnya kata divektorkan menggunakan FastText, tujuannya untuk mengubah tipe data string menjadi vektor array, sehingga dapat menjadi input LSTM. Performa model diukur berdasarkan nilai precision, recall, accuracy, dan f Measure. Pada penelitian ini, dilakukan pengujian parameter dropout layer untuk mengurangi kondisi overfitting terhadap 10 fold cross validation, rata-rata akurasi pengujian model yang dihasilkan dari keseluruhan k fold adalah sebesar 72.4%. dengan perfoma model maksimum yang dicapai terdapat pada k fold = 9, ketika dropout layer sebesar 0.4, dengan nilai yang dicapai adalah precision, recall, accuracy, dan f measure secara berurutan: 76.74%, 80.49%, 78.31%, 78.57%.