Sentiment Analysis Comments Covid-19 Variant Omicron on Social Media Instagram with Bidirectional Encoder from Transformers (BERT)

Sentimen Analisis Komentar Covid-19 Varian Omicron pada Media Sosial Instagram dengan Bidirectional Encoder from Transformers (BERT)

  • Dody Pradipta Universitas AMIKOM Yogyakarta
  • Kusrini Kusrini
  • Hanif Al Fatta
DOI: https://doi.org/10.32503/jtecs.v3i1.3219

Abstract

Internet merupakan alat komunikasi yang banyak diminati karena pesatnya perkembangan teknologi dan informasi beberapa tahun belakangan ini. Ini adalah konteks untuk memodernisasi dan sepenuhnya mendigitalkan komunikasi. Salah satu perubahan dalam komunikasi digital adalah media sosial, platform digital yang memungkinkan orang berbicara satu sama lain, berbagi informasi, dan lainnya. Pada platform media sosial ini, yang dirancang untuk mendapatkan masukan inti dari pengguna atau konsumen secara efisien, komentar dapat digunakan untuk mengumpulkan opini dari pengguna. Instagram adalah salah satu platform media sosial paling populer saat ini, dan banyak penggunanya menggunakannya untuk menyuarakan pendapat (komentar) mereka tentang pandemi Covid-19. Menggunakan metode Bidirectional Encoder from Transformers (BERT), komentar masyarakat nantinya dapat diklasifikasikan menjadi sentimen positif, negatif, dan netral. Analisis sentimen mengungkapkan bagaimana perasaan orang tentang varian Omicron pandemi Covid-19. Prosedur scraping menghasilkan 1.052 data yang terdiri dari 663 komentar negatif, 388 komentar netral, dan 1 komentar positif. Hasil tes memiliki akurasi sebesar 0,632 (63%).

References

[1] Saraswati. N.S. 2011. “Text Mining dengan Metode Naïve Bayes Classifier dan Support Vector Machines untuk Sentiment Analysis”. Program Studi Teknologi Informasi Fakultas Teknik UGM Yogyakarta.

[2] Amalia H. 2021. “Omicron Penyebab COVID-19 sebagai Variant of Concern”. Jurnal Biomedika dan Kesehatan. Vol 4(4).

[3] Dyer O. Covid-19: “Omicron is causing more infection but fewer hospital admissions than delta, South African data show”. BMJ 2021; 375:n3104. Doi: 10.1136/bmj.n3104.

[4] Samsir., Ambiyar., Verawardina. U., Edi. F., Watrianthos. R., 2021. “Analisis Sentimen Pembelajaran Daring pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes”. Jurnal Media Informatika Budidarma. Vol.5(1) Hal 157-163.

[5] Anees, Aiman Abdullah et al. 2019. “Performance Analysis of Multiple Classifiers Using Different Term Weighting Schemes for Sentiment Analysis.” 2019 International Conference on Intelligent Computing and Control Systems, ICCS 2019 (Iciccs): 637–41.

[6] Prabhavathi, C. 2019. “Machine Learning Model for Classifying L _ Text Using Nlp ( Amazon Product Reviews ).” 6(04): 161–78.

[7] Chemchem, Amine, François Alin, and Michael Krajecki. 2019. “Improving the Cognitive Agent Intelligence by Deep Knowledge Classification.” International Journal of Computational Intelligence and Applications 18(1): 1–25.

[8] Zhou, Zhenxiang, and Lan Xu. 2016. “Amazon Food Review Classification Using Deep Learning and Recommender System.” Stanford University: 1–7.

[9] H. Irsyad dan A. Taqwiym, “Community Analysis Sentiment Against Palestinian People with Naive Bayes Classification,” JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer, vol. 1, no. 2, 2021, doi: 10.32503/jtecs.v1i2.1623.

[10] Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A.N., Kaiser, L., & Polosukhin, I. 2017. Attention is All you need. Advances in Neural Information Processing Systems 2017-Decem(Nips), 5999-6009.

[11] Devlin, Jacob, Ming Wei Chang, Kenton Lee, and Kristina Toutanova. 2019. “BERT: Pre-Training of Deep Bidirectional Transformers for Language Understanding.” NAACL HLT 2019 - 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies - Proceedings of the Conference 1(Mlm): 4171–86.

[12] Prasetyo, Eko. 2014. Data Mining Mengolah Data Menjadi Informasi menggunakan Matlab. Yogyakarta: ANDI

[13] Sugiyono. 2015. Metode Penelitian Kuantitatif, Kualitatif, dan R&D. 22 ed. Bandung: Alfabeta.
Published
2023-02-11
How to Cite
PRADIPTA, Dody; KUSRINI, Kusrini; FATTA, Hanif Al. Sentiment Analysis Comments Covid-19 Variant Omicron on Social Media Instagram with Bidirectional Encoder from Transformers (BERT). Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer, [S.l.], v. 3, n. 1, p. 51-58, feb. 2023. ISSN 2776-6195. Available at: <https://ejournal.uniska-kediri.ac.id/index.php/JTECS/article/view/3219>. Date accessed: 21 jan. 2025. doi: https://doi.org/10.32503/jtecs.v3i1.3219.
Citation Formats
Issue
Vol 3 No 1: JTECS Januari 2023
Section
Komputer
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.