TY  - THES
Y1  - 2024/02/21/
AV  - public
A1  - Marcelina, Jenie
A1  - Tita Tosida, Eneng
A1  - Awaliyah Zuariah, Tjut
PB  - Universitas Pakuan
ID  - eprintsunpak7773
UR  - http://eprints.unpak.ac.id/7773/
M1  - Skripsi
TI  - Implementasi Algoritma Bidirectional Long Short Term Memory 
(BiLSTM) Dengan Analisis Sentimen Emoji Embedded Terhadap 
Tingkat Kecemasan Covid-19 Dan Sosial Ekonomi Masyarakat
EP  - 29
N2  - Implementasi Algoritma Bidirectional Long Short Term Memory 
(BiLSTM) Dengan Analisis Sentimen Emoji Embedded Terhadap 
Tingkat Kecemasan Covid-19 Dan Sosial Ekonomi Masyarakat
Eneng Tita Tosida, Adriana Sari Aryani, Jenie Marcelina
Program Studi Ilmu Komputer, Universitas Pakuan
Jl. Pakuan PO Box 452, 16143 Bogor, Jawa Barat, Indonesia 
enengtitatosida@unpak.ac.id; adriana.aryani@unpak.ac.id; jenniemarcelina@gmail.com
Abstrak
Pandemi COVID-19 telah menghadirkan tantangan multidimensi di Indonesia, mempengaruhi sosial, ekonomi, dan kesehatan 
masyarakat secara signifikan pada tingkat kecemasan. Kecemasan masyarakat terkait pandemi dapat tercermin dalam media online,
terutama Twitter, yang menjadi saluran utama untuk berbagi informasi dan ekspresi emosi. Penelitian ini bertujuan untuk 
memahami tingkat kecemasan masyarakat sehubungan pasca pandemi COVID-19 dengan menggunakan suatu metode klasifikasi. 
Klasifikasi dilakukan menggunakan metode Knowledge Discovery in Database (KDD) dengan algoritma Bidirectional LSTM dan 
analisis sentimen penyematan emoji, serta dilakukan juga pengujian K-Fold Cross Validation dengan macam optimizer. Hasil akhir 
tingkat akurasi terbaik yang didapatkan sebesar 98,08%. Hal tersebut menunjukkan bahwa model klasifikasi yang dibuat sudah
baik.
Keywords: Kecemasan masyarakat, Covid-9, Emoji embedded, Bidirectional LSTM, Sentiment analysis
ER  -