Analisis Sentimen Vaksin COVID-19 di Twitter Menggunakan Algoritma Neural Network
DOI:
https://doi.org/10.36815/submit.v4i1.3356Keywords:
Analisis sentimen, Vaksin COVID-19, Twitter, Algoritma neural networkAbstract
Pandemi COVID-19 telah mendorong penggunaan media sosial seperti Twitter untuk menyebarkan informasi dan opini terkait vaksin dan vaksinasi. Hal ini tidak lepas dari berbagai motivasi yang melatarbelakangi, politik, ekonomi, sosial, dll. Oleh karena itu, analisis sentimen terhadap tweet tentang vaksin COVID-19 menjadi penting untuk memahami persepsi publik dan potensi terjadinya informasi yang salah. Penelitian ini menggunakan algoritma neural network untuk analisis sentimen vaksin COVID-19 di Twitter. Algoritma ini dipilih karena mampu mencapai akurasi tinggi dalam mengklasifikasikan sentimen sebagai positif, negatif, atau netral, bahkan untuk tweet yang panjang dan kompleks. Hasil penelitian ini menunjukkan bahwa analisis sentimen menggunakan neural network dapat menjadi alat yang berharga untuk memahami opini publik tentang vaksin COVID-19 di Twitter. Akurasi algoritma neural network untuk analisis sentimen vaksin COVID-19 di Twitter ditemukan sebesar 92,5% dimana mengklasifikasikan sentimen 92,5% dari tweet yang ada di dataset dengan benar. Ini adalah tingkat akurasi yang tinggi, dan ini menunjukkan bahwa algoritma ini dapat digunakan secara andal untuk memahami persepsi publik tentang vaksin COVID-19.
References
YANNIC LECUN, YOSHUA BENGIO, DAN GEOFFREY HINTON, 2021. A Survey of Deep Learning for Natural Language Processing, https://arxiv.org/abs/2003.01200, diakses tanggal 12 Februari 2023.
IAN GOODFELLOW, Y. BENGIO, AARON COURVILLE. 2019, Deep Learning Application, https://mitpress.mit.edu/9780262035613/d eep-learning/, diakses tanggal 22 Maret 2023
FITRA SEPTIA NUGRAHA, MUH. JA'FAR SHIDIQ, DAN SRI RAHAYU, 2019. Analisis Algoritma Klasifikasi Neural Network untuk Diagnosis Penyakit Kanker Payudara" Jurnal Pilar Nusa Mandiri, Vol. 15, No. 2, pp. 149-160. https://ejournal.nusamandiri.ac.id/index.ph p/pilar.
SRI RAHAYU, FITRA SEPTIA NUGRAHA, DAN MUHAMMAD JA'FAR SHIDIQ. 2019. Analisis Tingkat Keberhasilan Cryoterapy Menggunakan Neural Network, Jurnal Pilar Nusa Mandiri, Vol. 15, No. 2, pp. 141-148. https://ejournal.nusamandiri.ac.id/index.ph p/pilar.
INTERNATIONAL STANDARDS OFFICE, 1998. ISO 690 – 2 Information and Documentation: Bibliographical References: Electronic Documents. Geneva: ISO.
RICHMOD, J., 2005. Customer Expectations in the World of Electronic Banking: a Case Study of the Bank of Britain. PhD. Anglia Ruskin University.
RUMBAUGH, J., JACOBSON, I. & BOOCH, G.,
The Unified Modeling Language reference manual. 2nd ed. Boston: Addison-Wesley.
