Perbandingan CNN dan Bi-LSTM pada Analisis Sentimen dan Emosi Masyarakat Indonesia Di Media Sosial Twitter Selama Pandemik Covid-19 yang Menggunakan Metode Word2vec

Abstract

Pandemik Covid-19 hingga kini masih melanda Indonesia. Sudah banyak kebijakan yang diberlakukan oleh Pemerintah untuk mengatasi penyebaran Covid-19 di Indonesia. Beberapa kebijakan yang telah diberlakukan seperti PPKM, PSBB, penggunaan masker, mematuhi protokol kesehatan hingga pelaksanaan vaksinasi. Namun banyaknya varian Covid-19 membuat pandemik ini belum juga berakhir. Dengan banyaknya kebijakan dan peraturan pemerintah dalam menangani pandemik Covid-19, menimbulkan berbabagai macam respon dari masyarakat. Pendapat ini banyak disampaikan melalui media sosial salah satunya twitter. Banyaknya respon dari masyarakat ini dapat kita kelompokkan berdasarkan sentimen polaritas dan emosinya. Sehingga kita mampu menilai sudut pandang masyarakat mengenai kebijakan pemerintah untuk penanganan Covid-19. Tujuan dilakukannya penelitian ini untuk mengetahui model yang memiliki kemampuan terbaik untuk melakukan proses analisis sentimen dan emosi menggunakan dataset unggahan media sosial twitter. Algoritma CNN dan Bi-LSTM diusulkan untuk digunakan dalam penelitian analisis sentimen dan emosi menggunakan metode Word2Vec. Analisis sentimen dan emosi ini menggunakan data sebanyak 58.984 yang didapatkan melalui proses crawling data unggahan twitter yang berjumlah 22.062 data dan pengunduhan dataset dari website kaggle.com dengan jumlah data sebanyak 36.922 data. Pada penelitian ini model algoritma Bi-LSTM mendapatkan tingkat akurasi sebesar 69,48% untuk analisis sentimen dan 84,36% untuk analisis emosi. Tingkat akurasi ini lebih tinggi dibandingkan dengan algoritma CNN yang menghasilkan tingkat akurasi sebesar 68,58% untuk analisis sentimen dan 84,21% untuk analisis emosi. Berdasarkan hasil tersebut dapat disimpulkan bahwa algoritma Bi-LSTM lebih baik dibandingkan algoritma CNN dalam penelitian analisis sentiment dan emosi menggunakan metode Word2Vec. Kata Kunci— Analisis Sentimen dan Emosi, Covid-19 di Indonesia, Bi-LSTM, CNN, Word2Vec.