Algoritma Hybrid Roberta -Lstm Untuk Klasifikasi Sentimen Masyarakat Terhadap Kebijakan Water Mist Generator Sebagai Penanganan Polusi Di Dki Jakarta

Kamila, Raudhatu Zahra and Darmanto, S.Si., M.Si. (2024) Algoritma Hybrid Roberta -Lstm Untuk Klasifikasi Sentimen Masyarakat Terhadap Kebijakan Water Mist Generator Sebagai Penanganan Polusi Di Dki Jakarta. Sarjana thesis, Universitas Brawijaya.

Abstract

Analisis sentimen adalah aplikasi dari statistika atau studi terkait pendeteksian kata dalam suatu teks yang merepresentasikan sikap positif, negatif, atau netral terhadap suatu hal. Metode berbasis hybrid atau gabungan dua metode dapat digunakan untuk meningkatkan hasil kinerja model dari kedua metode tersebut pada analisis sentimen. Salah satu algoritmanya adalah hybrid RoBERTaLSTM. Penelitian ini bertujuan untuk mendapatkan sentimen masyarakat terkait penggunaan water mist generator di DKI Jakarta sebagai salah satu cara pemerintah dalam menangani polusi. Data yang digunakan bersumber dari X, YouTube, dan situs berita dengan bantuan Python. Dataset dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Hasil penelitian menunjukkan model hybrid RoBERTa-LSTM melalui confusion matrix memiliki akurasi 70,59%, recall 70%, precision 69,67%, dan f1-score 69,83%. Selain itu, klasifikasi kelas sentimen yang terbentuk condong pada sentimen netral, sehingga diperlukan evaluasi lebih lanjut oleh pemerintah terkait penanganan polusi menggunakan water mist generator.

English Abstract

Sentiment analysis is an application of statistics or studies related to the detection of words in a text that represent a positive, negative, or neutral attitude towards something. Hybrid-based methods or a combination of two methods can be used to improve the performance results of the model from both methods in sentiment analysis. One of the algorithms is the Hybrid RoBERTa-LSTM. This research aims to obtain public sentiment regarding the use of water mist generators in DKI Jakarta as one of the government's ways to get rid of pollution. The data used is sourced from X, YouTube, and news sites with the help of Python. The dataset was divided into training and testing data with an 80:20 ratio. The research results show that the RoBERTa-LSTM hybrid model, through the confusion matrix, has an accuracy of 70.59%, recall of 70%, precision of 69.67%, and an f1-score of 69.83%. Additionally, the sentiment class classification formed leans towards neutral sentiment, thus further evaluation by the government is needed regarding pollution control using water mist generators.

Text (DALAM MASA EMBARGO) Raudhatu Zahra Kamila.pdf Restricted to Registered users only Download (6MB)

Actions (login required)

View Item