Sentiment Classification of Fuel Price Increase With GRU and FastText

ADITYA ANDAR RAHIM

Informasi Umum

Kode

23.04.3476

Klasifikasi

006.35 - Natural Language Processing, Computer Science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Natural Language Processing, Natural Science,

Dilihat

194 kali

Informasi Lainnya

Abstraksi

<p>Pemerintah biasanya menerapkan kebijakan kenaikan harga bahan bakar dan pengurangan subsidi bahan bakar setiap tahun. Kenaikan harga bahan bakar telah memiliki dampak yang beragam bagi masyarakat. Perkembangan pesat teknologi informasi telah menyebabkan akses mudah dan peningkatan jumlah pengguna internet. Platform media sosial, seperti Twitter, banyak digunakan oleh masyarakat untuk mengekspresikan diri dalam kehidupan sehari-hari. Melalui media sosial ini, masyarakat dapat mengirimkan ulasan mengenai kebijakan publik yang diterapkan oleh pemerintah terkait harga bahan bakar. Ulasan yang dikirimkan bervariasi, mulai dari positif, netral, hingga negatif. Analisis sentimen dapat menganalisis jenis ulasan yang dikirimkan oleh masyarakat, termasuk positif, negatif, atau netral. Penelitian ini menggunakan Gated Recurrent Unit dan ekspansi fitur FastText untuk mengklasifikasikan sentimen terkait kenaikan harga bahan bakar di Twitter. Sistem ini dikembangkan melalui beberapa tahap, yaitu pengumpulan data, pelabelan data, pemrosesan awal data, ekspansi fitur, klasifikasi, dan evaluasi. Penelitian ini bertujuan untuk menentukan kinerja klasifikasi menggunakan Gated Recurrent Unit dan FastText. Data yang digunakan sebanyak 8.635, dan akurasi tertinggi yang dicapai adalah 90,15% dengan skor F1 sebesar 90,06%. Hasil penelitian ini dapat membantu pemerintah dalam mengetahui bagaimana perasaan individu terkait kenaikan harga bahan bakar. Dengan memahami sentimen publik, pemerintah dapat mengevaluasi kembali kebijakannya atau bahkan membuat kebijakan baru yang melayani kepentingan publik.</p>