Tel-UTel-U

International Journal on Information and Communication Technology (IJoICT)International Journal on Information and Communication Technology (IJoICT)

Isu gagal ginjal akut, terutama disebabkan oleh konsumsi sirup obat batuk, beredar pada bulan Oktober 2022 dan menjadi perhatian serius terhadap kesehatan masyarakat. Isu ini telah menarik perhatian luas dan memicu berbagai reaksi di media sosial. Di era digital ini, opini publik yang diungkapkan dalam komentar di platform media sosial seperti YouTube secara signifikan memengaruhi persepsi masyarakat. Oleh karena itu, dalam konteks isu tersebut, analisis sentimen pada komentar YouTube dapat memberikan wawasan berharga tentang persepsi masyarakat dan reaksi orang-orang. Oleh karena itu, penelitian ini berfokus pada analisis sentimen opini publik yang diungkapkan dalam komentar YouTube terkait masalah ini. Metode yang digunakan untuk analisis ini meliputi Jaringan Saraf Tiruan Konvolusional (CNN) dan Memori Jangka Pendek Panjang (LSTM) dengan ekstraksi fitur Word2Vec. Temuan penelitian ini menunjukkan bahwa kedua metode ini menghasilkan hasil kinerja yang baik dengan dataset oversampling. Dalam perbandingan kinerja, CNN menghasilkan akurasi tertinggi, yaitu 0,92, sedangkan LSTM adalah 0,90.

Observing public comments on YouTube channels related to the issue of syrup medication causing acute kidney problems, there is a trend of predominantly negative sentiments.The results of the testing and analysis of this study indicate that techniques for handling data imbalances positively impact the performance of the sentiment analysis model.The best models found are the CNN and LSTM models, using Word2Vec on an oversampling type dataset, showing the best performance with an accuracy of 0.92, while for LSTM, it is 0.The CNN model performs better than the LSTM model.

Berdasarkan latar belakang, metode, hasil, keterbatasan, dan juga bagian saran penelitian lanjutan, berikut adalah beberapa saran penelitian lanjutan yang dapat dikembangkan: Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan teknik Natural Language Processing (NLP) yang lebih canggih, seperti transformer models (misalnya, BERT atau RoBERTa), untuk menangkap konteks dan nuansa bahasa yang lebih kompleks dalam komentar YouTube. Hal ini dapat meningkatkan akurasi analisis sentimen dan memberikan pemahaman yang lebih mendalam tentang opini publik. Kedua, penelitian dapat memperluas cakupan data dengan mengumpulkan komentar dari berbagai platform media sosial lainnya, seperti Twitter dan Facebook, untuk mendapatkan gambaran yang lebih komprehensif tentang sentimen publik terkait isu gagal ginjal akut. Ketiga, penelitian dapat menggabungkan analisis sentimen dengan analisis topik untuk mengidentifikasi tema-tema utama yang muncul dalam komentar YouTube, sehingga memberikan wawasan yang lebih kaya tentang isu tersebut. Dengan menggabungkan ketiga saran ini, penelitian selanjutnya dapat memberikan kontribusi yang signifikan dalam memahami opini publik dan dampaknya terhadap kesehatan masyarakat.

  1. Sentiment Analysis on Acute Kidney Syrup Videos Using CNN and LSTM Algorithms: Analisis Sentimen Tentang... doi.org/10.21108/ijoict.v9i2.818Sentiment Analysis on Acute Kidney Syrup Videos Using CNN and LSTM Algorithms Analisis Sentimen Tentang doi 10 21108 ijoict v9i2 818
Read online
File size4.09 MB
Pages13
DMCAReport

Related /

ads-block-test