Analisis Perbandingan Algoritma LSTM dan Naive Bayes untuk Analisis Sentimen
| Main Authors: | Isnain, Auliya Rahman, Sulistiani, Heni, Hurohman, Bagus Miftaq, Nurkholis, Andi, Styawati, Styawati |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Program Studi Informatika
, 2022
|
| Subjects: | |
| Online Access: |
http://jurnal.untan.ac.id/index.php/jepin/article/view/54704 http://jurnal.untan.ac.id/index.php/jepin/article/view/54704/75676594154 |
Daftar Isi:
- New Normal merupakan sebuah sebutan bagi kebijakan pemerintah untuk mengizinkan masyarakatnya melakukan aktifitas seperti biasa di tengah pandemi Covid-19 yang sedang melanda dengan tetap memperhatikan protokol kesehatan. Kebijakan ini menimbulkan berbagai tanggapan dari masyarakat terutama di media sosial twitter. Untuk itu, diperlukan proses analisis sentimen untuk melakukan pemrosesan terhadap teks yang didapat dari twitter. Analisis sentimen adalah bentuk representasi dari text mining dan text processing. Pada penelitian ini melakukan perbandingan kinerja metode Long Short Therm Memory dengan Naïve Bayes terhadap analisis sentimen Kebijakan New Normal. Hasil yang diperoleh dari penelitian ini yaitu metode LSTM memiliki kinerja yang lebih baik bila dibandingkan dengan Naïve Bayes. Metode LSTM menghasilkan nilai akurasi, presisi dan recall sebesar 83.33%. Sedangkan metode Naïve Bayes memiliki nilai akurasi, presisi dan recall sebesar 82%.