SENTIMEN ANALISIS COVID-19 DENGAN METODE PROBABILISTIC NEURAL NETWORK DAN TF-IDF

##plugins.themes.academic_pro.article.sidebar##

Published Feb 28, 2021
https://doi.org/10.51977/jti.v3i1.488
Download
PDF
Statistic

Downloads

Download data is not yet available.
Vol 3 No 1 (2021): Jurnal Responsif : Riset Sains dan Informatika

##plugins.themes.academic_pro.article.main##

Ina Najiyah
Universitas Adhirajasa Reswara Sanjaya
Ifani Hariyanti
Universitas Adhirajasa Reswara Sanjaya

Abstract

Penelitian ini bertujuan melakukan sentiment analysis tentang corona virus pada kegiatan sehari hari yang diunggah di facebook, Twitter dan Instagram dengan output yaitu 3 class:positif, negative dan netral. Metode yang dipilih adalah metode klasifikasi Probabilistic Neural Network. Sebelum melakukan klasifikasi, praprocessing pada penelitian ini meliputi tokenizasi, normalisasi, menghilangkan emoticon, Convert Negasi, Stopword Removal sertaTF-IDF. dataset yang digunakan berjumlah 1177 dataset dengan pembagiannya yaitu 560 dataset positif, 355 dataset negative dan 262 dataset netral. Program dirancang menggunakan Bahasa pemrograman python dengan beberapa library seperti keras, tensorflow dan pandas. User interface dibuat berbasis android. Akurasi yang didapatkan pada pelatihan menggunakan Probabilistic Neural Network sebesar 89%. Hasil pengujian adalah penelitian ini mampu melakukan sentiment analysis dengan kesalahan sebesar 11% dilihat dari confusion matrix.

##plugins.themes.academic_pro.article.details##

Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:

1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)

Creative Commons Licence
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. 

References

Amelia, N. (2020). No Title. Unair News. http://news.unair.ac.id/2020/01/31/mengenal-perkembangan-jenis-baru-virus-corona-yang-infeksi-ribuan-orang/
Cahyadi, R., Damayanti, A., & Aryadani, D. (2020). Recurrent neural network (rnn) dengan long short term memory (lstm) untuk analisis sentimen data instagram. 5, 1–9.
Faturohman, F., Irawan, B., Setianingsih, C., Elektro, F. T., & Telkom, U. (2020). ANALISIS SENTIMEN PADA BPJS KESEHATAN MENGGUNAKAN RECURRENT NEURAL NETWORK SENTIMENT ANALYSIS ON BPJS KESEHATAN USING RECURRENT NEURAL. 7(2), 4545–4552.
Kasmad. (2020). Covid 19 dan Penyebarannya.
Khatami, F. A., Irawan, B., Si, S., & Setianingsih, C. (2020). ANALISIS SENTIMEN TERHADAP REVIEW APLIKASI LAYANAN E-COMMERCE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK SENTIMENT ANALYSIS OF E-COMMERCE APPLICATION REVIEWS USING THE CONVOLUTIONAL NEURAL NETWORK METHOD. 7(2), 4559–4566.
Mardiana, T., Syahreva, H., Informasi, S., Bina, U., & Informatika, S. (2019). KOMPARASI METODE KLASIFIKASI PADA ANALISIS SENTIMEN USAHA. 15(2), 267–274. https://doi.org/10.33480/pilar.v15i2.752
Nemes, L., & Kiss, A. (2021). Social media sentiment analysis based on COVID-19. Journal of Information and Telecommunication, 5(1), 1–15. https://doi.org/10.1080/24751839.2020.1790793
Pertiwi, Wi. M. (2019). ANALISIS SENTIMEN OPINI PUBLIK MENGENAI SARANA DAN TRANSPORTASI MUDIK TAHUN 2019 PADA TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES, NEURAL NETWORK, KNN DAN SVM. 14(1), 27–32.
Samsir, Ambiyar, Verawardina, U., Edi, F., & Watrianthos, R. (2021). Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes. Jurnal Media Informatika Budidarma, 5, 157–163. https://doi.org/10.30865/mib.v5i1.2604
Zulfa, I., & Winarko, E. (2017). Sentimen Analisis Tweet Berbahasa Indonesia Dengan Deep Belief Network. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 11(2), 187. https://doi.org/10.22146/ijccs.24716