Analisis Sentimen Masyarakat Terhadap Pemberlakuan Pembatasan Kegiatan Masyarakat Menggunakan Deep Learning Pada Data Twitter

Ramadhan, Reihan Nanda (2022) Analisis Sentimen Masyarakat Terhadap Pemberlakuan Pembatasan Kegiatan Masyarakat Menggunakan Deep Learning Pada Data Twitter. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000132-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pandemi COVID-19 telah menyebabkan lonjakan penggunaan teknologi digital yang tidak dapat dihindari. Terutama semenjak penerapan social distancing yang bertujuan untuk menekan angka korban COVID-19 yang semakin banyak. Indonesia pun menjadi salah satu negara yang menerapkan social distancing dengan memberlakukan pembatasan kegiatan masyarakatnya yang sering disebut dengan PPKM. PPKM ini menuai banyak respon dari masyarakat Indonesia sendiri, terutama di media sosial seperti Twitter. Respon yang disampaikan pun bermacam-macam, ada yang negatif karena dampak PPKM ini justru menghambat perekonomian masyarakat, ada yang positif karena PPKM ini diharapkan bisa menekan angka kasus positif COVID-19 di Indonesia, dan ada yang bahkan menunjukkan ketidakpeduliannya dengan kebijakan PPKM yang dikeluarkan oleh Pemerintah Indonesia. Dengan respon yang banyak dan bervariatif tersebut, Pemerintah Indonesia diharapkan mampu memilah respon-respon tersebut untuk menilai dampak kebijakan PPKM yang dikeluarkan ini terhadap Masyarakat Indonesia. Solusi yang bisa diberikan untuk menyelesaikan masalah tersebut adalah dengan melakukan analisis sentimen masyarakat terhadap pemberlakuan pembatasan kegiatan masyarakat dan klasifikasi single-label dengan menggunakan LSTM, GRU, Multinomial Naïve-Bayes, Logistic Regression, Random Forest, dan Ensemble Learning. Label sentimen yang digunakan dalam penelitian ini adalah positif, negatif, dan netral. Hasil analisis yang didapat adalah respon masyarakat yang masih condong ke arah negatif mengenai PPKM dikarenakan kurang optimalnya kebijakan PPKM yang dilaksanakan oleh Pemerintah Indonesia. Selain itu, hasil evaluasi terbaik untuk klasifikasi single-label pada penelitian ini yaitu akurasi 90.61%, presisi 90.71%, recall 90.61%, dan f1-score 90.65%. Nilai ini diperoleh dengan menggunakan model LSTM yang menerapkan hyperparameter tuning.
=================================================================================================================================
The COVID-19 pandemic has led to an unavoidable surge in the use of digital technology. Especially since the implementation of social distancing aims to reduce the number of victims of COVID-19. Indonesia has also become one of the countries that implement social distancing by imposing restrictions on community activities, often called PPKM. This PPKM has received many responses from the Indonesian people themselves, especially on social media such as Twitter. The responses given were varied, some were negative because the impact of PPKM actually hampered the community's economy, some were positive because PPKM was expected to reduce the number of positive COVID-19 cases in Indonesia, and some even showed their ignorance of the PPKM policies issued by the government. Indonesian government. With these many varied responses, the Government of Indonesia is expected to be able to sort out these responses to assess the impact of the PPKM policy issued on the Indonesian people. The solution that can be given to solve this problem is to analyze community sentiment towards the implementation of restrictions on community activities and single-label classification using LSTM, GRU, Multinomial Naïve-Bayes, Logistic Regression, Random Forest, and Ensemble Learning. Sentiment labels used in this study are positive, negative, and neutral. The results of the analysis obtained are the public response that is still inclined towards the negative regarding PPKM due to the lack of optimal PPKM policies implemented by the Government of Indonesia. In addition, the best evaluation results for single-label classification in this study were 90.61% accuracy, 90.71% precision, 90.61% recall, and 90.65% f1-score. This value is obtained by using the LSTM model that applies hyperparameter tuning.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	PPKM, Analisis Sentimen, Twitter, Klasifikasi Single-label, Deep Learning, Ensemble Learning, Machine Learning
Subjects:	T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	13 Oct 2025 05:05
Last Modified:	13 Oct 2025 05:05
URI:	http://repository.its.ac.id/id/eprint/128574

Actions (login required)

View Item