ANALISIS SENTIMEN VAKSIN KETIGA (BOOSTER) PADA TWITTER MENGGUNAKAN ALGORITMA LONG SHORT THERM MEMORY (LSTM)

Hukum, Reza Hi. Hukum (2024) ANALISIS SENTIMEN VAKSIN KETIGA (BOOSTER) PADA TWITTER MENGGUNAKAN ALGORITMA LONG SHORT THERM MEMORY (LSTM). Sarjana thesis, Universitan Khairun.

[thumbnail of 1. COVER SKRIPSI.pdf] Text
1. COVER SKRIPSI.pdf - Published Version

Download (209kB)
[thumbnail of 4. Abstrak .pdf] Text
4. Abstrak .pdf - Published Version

Download (186kB)
[thumbnail of 5. BAB 1 .pdf] Text
5. BAB 1 .pdf - Published Version

Download (168kB)
[thumbnail of 10. Daftar Pustaka.pdf] Text
10. Daftar Pustaka.pdf - Published Version

Download (187kB)
[thumbnail of SKRIPSI_REZA HI. HUKUM_07351811024.pdf] Text
SKRIPSI_REZA HI. HUKUM_07351811024.pdf - Published Version

Download (4MB)

Abstract

Penelitian ini dilakukan untuk mengklasifikasi sentimen masyarakat di twitter tentang vaksinasi 3 (Booster) berdasarkan kategori positif dan negatif dengan menerapkan algoritma LSTM. Model dari analisis sentimen masyarakat terhadap kebijakan vaksin ke 3 (Booster) oleh pemerintah ternyata tidak di respon dengan baik oleh masyarakat, terbukti bahwa dari banyaknya tweet negatif yang dihasilkan dibandingkan tweet positif tentang kebijakan vaksin ke 3 (Booster) dari pemerintah. Model yang dihasilkan dari penelitian ini juga dapat memprediksi dengan baik tentang tweet masyarakat sesuai dengan tipenya yaitu sentimen positif terhadap kebijakan vaksin ke 3 (Booster) dan sentimen negatif terhadap kebijakan vaksin ke 3 (Booster). Dalam penerapan algoritma long short therm memory untuk mengetahui berapa banyak klasifikasi sentimen positif dan negatif sentimen vaksin ke 3 (Booster) pada twitter.Hasil Analisis menggunakan dataset komentar sebanyak 500 sampel data yang terbagi menjadi 2 bagian yaitu 252 sentimen negatif dan 248 sentimen positif, dengan perbandingan 20% data testing : 80% data training, setelah mendapatkan hasil akurasi pada data training didapatkan hasil, nilai Recall yang dihasilkan 81%, nilai Presisi sebesar 86% dan nilai F1-Score sebesar 84%. Dengan demikian dapat disimpulkan bahwa metode Long short-term memory (LSTM) layak digunakan untuk analisis sentimen vaksin ke 3 (Booster) pada twitter. Kata Kunci: analisis sentimen, vaksin booster,long short therm memory, twitter.

Item Type: Thesis (Sarjana)
Subjects: T Technology > TS Informatics Engineering
Divisions: Fakultas > Teknik Informatika
Fakultas > Teknik Informatika
Fakultas > Teknik Informatika
Depositing User: Rini 1
Date Deposited: 06 Nov 2025 06:07
Last Modified: 06 Nov 2025 06:07
URI: http://digilib.unkhair.ac.id/id/eprint/6455

Actions (login required)

View Item View Item