Analisis Basic Emotion Masyarakat Pada Masa Pandemi COVID-19 di Media Sosial Twitter Dengan Metode LSTM-FastText

Abstract

Kebijakan pembatasan kegiatan publik yang diterapkan saat pandemi, menimbulkan efek negatif yang berkaitan dengan emosi dan kesehatan mental masyarakat di berbagai lapisan. Kestabilan emosi merupakan proxy indicator dalam mengukur kesehatan mental. Pandemi mengakibatkan berbagai respon psikologis salah satunya adalah respon emosi. Maka penting untuk mengetahui emosi apa saja yang paling mendominasi di tengah masyarakat. Oleh karena itu, penelitian ini dilakukan untuk menginformasikan basic emotion masyarakat pada media sosial twitter dengan model emosi Ekman, serta mengimplementasikannya dengan algoritma pembelajaran mendalam yaitu Long Short Term Memory (LSTM) dengan word embedding FastText. Penelitian ini berhasil menemukan basic emotion masyarakat yang paling dominan adalah kategori emosi bahagia. Dan berdasarkan model yang telah dibangun LSTM-FastText, menghasilkan akurasi sebesar 99.24% dan loss sebesar 0.0264. Hal ini menggambarkan bahwa error yang sangat kecil terjadi dalam pengklasifikasian data train. Dan model ini sudah baik digunakan dalam menganalisis basic emotion masyarakat pada masa pandemi covid-19 pada media sosial Twitter.