Analisis sentimen terhadap vaksin covid-19 menggunakan metode Deep Learning

Putra, Fauzan Herdika Tubagus (2022) Analisis sentimen terhadap vaksin covid-19 menggunakan metode Deep Learning. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (284kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (3MB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (3MB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (3MB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (3MB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (3MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (3MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (3MB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (3MB) | Request a copy

Abstract

Vaskininasi COVID-19 merupakan salah satu usaha untuk mengurangi penyebaran COVID-19 serta mengurangi dampak atau gejala berat dari COVID-19. Pada sosial media, tidak sedikit masyarakat Indonesia menyampaikan opini terkait vaksin COVID-19. Dengan adanya teknologi kita bisa mengklasifikasikan opini masyarakat Indonesia terhadap vaksin COVID-19 pada sosial media termasuk kedalam pro atau kontra. Analisis sentimen menggunakan algoritma LSTM (Long Short Term Memory) adalah salah satu caranya. Data yang telah diambil akan melalui proses pembersihan dan pembobotan menggunakan Word2Vec sebelum masuk kedalam algoritma LSTM. Dengan metode evaluasi model K-Fold Cross Validation kita dapat mengetahui kinerja algoritma LSTM ini. Hasil dari kinerja model LSTM ini menunjukan rata-rata akurasi 74.1% dan mempunyai akurasi terbaik pada Fold ke-4 yaitu sebesar 81%. Data yang sudah diambil akan di uji pada model terbaik ini, dan hasil analisis sentimen opini masyarakat Indonesia terhadap vaksin COVID-19 adalah 49.4% Positif dan 50.6% Negatif

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: LSTM;K-Fold Cross Validation; COVID-19;Analisis Sentimen;
Subjects: Data Processing, Computer Science
Data Processing, Computer Science > Computer Science Education
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Fauzan Herdika Tubagus
Date Deposited: 28 Jul 2022 01:44
Last Modified: 28 Jul 2022 01:44
URI: https://etheses.uinsgd.ac.id/id/eprint/54196

Actions (login required)

View Item View Item