APLIKASI ANALISIS SENTIMEN BERITA ELEKTRONIK TERHADAP KEBIJAKAN NEW NORMAL SELAMA MASA PANDEMI COVID-19 DENGAN MENGGUNAKAN FASTTEXT DAN MACHINE LEARNING
No Thumbnail Available
Date
2021-07-14
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Fase baru dalam penanganan COVID-19 di Indonesia yang disebut dengan New Normal membuat masyarakat mempunyai berbagai sudut pandang terkait kebijakan tersebut. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan New Normal selama masa pandemi COVID-19 melalui kolom komentar berita elektronik. Penelitian ini menggunakan metode FastText untuk mengekstraksi fitur dengan mengonversi data menjadi nilai vektor dan menggunakan tiga metode klasifikasi yaitu Naive Bayes (NB), Support Vector Machine (SVM), dan Multilayer Perceptron (MLP). Penelitian ini melakukan uji hyperparameter untuk mendapatkan model yang paling optimal. Pengujian terhadap hyperparameter dari FastText menghasilkan model yang optimal dengan dimensi sebesar 250, ukuran window 8, epoch 1.000, dan learning rate 0,0025. Pengujian hyperparameter juga dilakukan terhadap classifier SVM dan MLP. Pengujian hyperparameter terhadap classifier SVM dan MLP menghasilkan model yang paling optimal dengan metode SVM menggunakan kernel RBF, C sebesar 1.000, gamma sebesar 10 sedangkan metode MLP menggunakan fungsi aktivasi relu, hidden size layer sebesar (250,250), optimizer adam, alpha 0,0001, dan learning rate adaptive. Model klasifikasi dievaluasi menggunakan K-fold cross validation untuk menghasilkan rata-rata f1-score. Hasilnya untuk metode NB f1score 72,25 %, metode SVM f1score 92,21%, dan metode MLP f1score 90,75%.
Description
Keywords
Analisis Sentimen, FastText, Multilayer Perceptron