Analisis Sentimen Masyarakat terhadap Fenomena Childfree Menggunakan Metode Long Short Term Memory dan Bidirectional Encoder Representations from Transformers di Twitter

Abstract

Abstrak— Media sosial menjadi sarana bagi masyarakat untuk saling berinteraksi secara virtual. Penggunaan media sosial tidak terbatas pada berinteraksi saja, melainkan menjadi sarana pemanfaatan dalam melakukan penelitian, seperti halnya pada media sosial twitter. Twitter menjadi tempat yang ramai ketika terdapat isu terkini di negara ini bahkan dunia, beberapa isu terkini menjadi perhatian khusus oleh masyarakat, salah satunya tentang isu fenomena childfree, sehingga penelitian ini dilakukan dengan tujuan untuk mengetahui analisis sentimen terhadap fenomena menggunakan metode Long Short Term Memory dengan Bidirectional Encoder Representations from Transformers di twitter, ini menjadi kombinasi model yang dapat meningkatkan akurasi. Data yang digunakan yaitu berjumlah 3000 data dari twitter. Pada pengujian model dilakukan dengan pengujian beberapa parameter untuk mendapatkan model yang optimal diantaranya ukuran batch size 128, dropout 0.5, dense layer 32 dan lstm layer 64. Hyperparameter tersebut dilakukan pelatihan model yang menghasilkan performa terbaik dengan akurasi sebesar 0.9585, f1-score 0.9589, loss 0.1001, kemudian model dapat memprediksi tweets childfree dan menghasilkan precision sebesar 0.7839, recall 0.77, dan f1-score 0.7697.

Kata Kunci— Childfree, Twitter, Sentimen, Long Short Term Memory, Bidirectional Encoder Representations from Transformers