Analisis Sentimen Sosial Media Twitter Menggunakan RNN, Studi Kasus: Bantuan Sosial Covid-19

Abstract

Isu di media sosial Twitter yang terjadi di Indonesia mengenai Bantuan Sosial COVID-19 dimana penyalurannya tidak tepat sasaran dan tidak meratanya bantuan yang diberikan kepada masyarakat menimbulkan kekhawatiran di lingkungan masyarakat. Isu yang ada ini menjadi topik diskusi dan perdebatan diantara masyarakat. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap isu Bantuan sosial Covid-19 di Indonesia menggunakan model dari Long Short-Term Memory (LSTM) yaitu BiLSTM. Pengumpulan data yang digunakan dalam penelitian ini diperoleh dengan cara scraping data tweets menggunakan Google colab. Penelitian ini menggunakan dataset sebanyak 10.052 data tweets. Kinerja dengan menggunakan metode BiLSTM ini menghasilkan performa tertinggi yaitu 88% accuracy, 89% recall, 89% precision, 75% MCC, 85% specificity, 89% f1-score, dan 87% balanced accuracy, dan jika dibandingkan dengan 3 metode lainnya yaitu LSTM dan GRU dengan selisih 1-2% untuk accuracy dan untuk RNN mencapai selisih 11% dan untuk performa lainnya memiliki selisih sebesar 14%.