eprintid: 7773
rev_number: 7
eprint_status: archive
userid: 46
dir: disk0/00/00/77/73
datestamp: 2024-07-03 06:11:14
lastmod: 2024-07-03 06:11:14
status_changed: 2024-07-03 06:11:14
type: thesis
metadata_visibility: show
creators_name: Marcelina, Jenie
creators_name: Tita Tosida, Eneng
creators_name: Awaliyah Zuariah, Tjut
creators_NPM: 065118138
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Marcelina, Jenie
contributors_name: Tita Tosida, Eneng
contributors_name: Awaliyah Zuariah, Tjut
contributors_NIDN: 0425087601
contributors_NIDN: 0409017301
corp_creators: Universitas Pakuan
corp_creators: Fakultas Matematika dan Ilmu Pengetahuan Alam
corp_creators: Program Studi Ilmu Komputer
title: Implementasi Algoritma Bidirectional Long Short Term Memory 
(BiLSTM) Dengan Analisis Sentimen Emoji Embedded Terhadap 
Tingkat Kecemasan Covid-19 Dan Sosial Ekonomi Masyarakat
ispublished: pub
subjects: QK
divisions: sch_ecs
full_text_status: public
abstract: 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
date: 2024-02-21
date_type: published
pages: 29
institution: Universitas Pakuan
department: Fakultas Matematika dan Ilmu Pengetahuan Alam
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Marcelina, Jenie and Tita Tosida, Eneng and Awaliyah Zuariah, Tjut  (2024) Implementasi Algoritma Bidirectional Long Short Term Memory (BiLSTM) Dengan Analisis Sentimen Emoji Embedded Terhadap Tingkat Kecemasan Covid-19 Dan Sosial Ekonomi Masyarakat.  Skripsi thesis, Universitas Pakuan.   
document_url: http://eprints.unpak.ac.id/7773/1/FINAL%20DRAFT%20SKRIPSI-065118138-JENIE%20MARCELINA.pdf