Bagaimana Masyarakat Menyikapi Pembelajaran Tatap Muka: Analisis Komentar Masyarakat pada Media Sosial Youtube Menggunakan Algoritma Deep Learning Sekuensial dan LDA

Fawwaz Zaini Ahmad, Muhammad Fauzi Satria Arifandy, Muhammad Rasyad Caesarardhi, Nur Aini Rakhmawati
{"title":"Bagaimana Masyarakat Menyikapi Pembelajaran Tatap Muka: Analisis Komentar Masyarakat pada Media Sosial Youtube Menggunakan Algoritma Deep Learning Sekuensial dan LDA","authors":"Fawwaz Zaini Ahmad, Muhammad Fauzi Satria Arifandy, Muhammad Rasyad Caesarardhi, Nur Aini Rakhmawati","doi":"10.26418/jlk.v4i2.57","DOIUrl":null,"url":null,"abstract":"Saat Pandemi Covid-19 memasuki tahun ke-2, ada beberapa pertanyaan yang mengganjal di antara kita, apakah kita harus terus belajar online, atau berkompromi dengan Pandemi dan membuka kembali sekolah kita. Saat vaksinasi dimulai di seluruh dunia, pertanyaan 'apakah kita harus segera membuka kembali sekolah kita?' menjadi semakin keras. Tujuan dari penelitian ini adalah menganalisis sentiment sebagian masyarakat Indonesia, dalam hal ini pengguna Youtube, dalam hal pembelajaran tatap muka. Data yang digunakan dalam penelitian ini adalah komentar dari sembilan video youtube yang berkaitan dengan pembelajaran tatap muka. Persiapan data meliputi upsampling, casefolding, cleansing, labelling, dan tokenizing. Algoritma yang digunakan adalah pemodelan data LSTM dengan pengoptimasi ADAM Setelah pemodelan, setiap model dievaluasi dan berhasil memperoleh akurasi tertinggi sebesar 78%. Setelah dilakukan permodelan, model dengan akurasi tertinggi digunakan untuk memberi label secara otomatis pada komentar yang belum memiliki label. Langkah terakhir dari penelitian ini adalah melakukan permodelan topik terhadap setiap sentiment, guna mencari tau setiap sentiment berkaitan dengan topik apa.","PeriodicalId":418646,"journal":{"name":"Jurnal Linguistik Komputasional (JLK)","volume":"39 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Linguistik Komputasional (JLK)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/jlk.v4i2.57","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Saat Pandemi Covid-19 memasuki tahun ke-2, ada beberapa pertanyaan yang mengganjal di antara kita, apakah kita harus terus belajar online, atau berkompromi dengan Pandemi dan membuka kembali sekolah kita. Saat vaksinasi dimulai di seluruh dunia, pertanyaan 'apakah kita harus segera membuka kembali sekolah kita?' menjadi semakin keras. Tujuan dari penelitian ini adalah menganalisis sentiment sebagian masyarakat Indonesia, dalam hal ini pengguna Youtube, dalam hal pembelajaran tatap muka. Data yang digunakan dalam penelitian ini adalah komentar dari sembilan video youtube yang berkaitan dengan pembelajaran tatap muka. Persiapan data meliputi upsampling, casefolding, cleansing, labelling, dan tokenizing. Algoritma yang digunakan adalah pemodelan data LSTM dengan pengoptimasi ADAM Setelah pemodelan, setiap model dievaluasi dan berhasil memperoleh akurasi tertinggi sebesar 78%. Setelah dilakukan permodelan, model dengan akurasi tertinggi digunakan untuk memberi label secara otomatis pada komentar yang belum memiliki label. Langkah terakhir dari penelitian ini adalah melakukan permodelan topik terhadap setiap sentiment, guna mencari tau setiap sentiment berkaitan dengan topik apa.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
社区如何看待面对面的学习:使用深度学习算法和LDA的研究分析Youtube社交媒体上的评论
当Covid-19大流行进入第二年时,我们之间提出了一些问题,我们是应该继续在网上学习,还是与大流行妥协,重新开放我们的学校。当疫苗接种在世界各地开始时,“我们是否应该立即重新开放我们的学校?”声音越来越大。本研究的目的是分析印尼社会的情绪,在这种情况下是Youtube用户,在面对面学习方面。本研究使用的数据是youtube上九个与面对面学习相关的视频的评论。数据准备包括upsampling、casefolding、净化、标签和tokenizing。使用的算法是LSTM数据建模,在建模后对亚当进行优化,对每个模型进行评估,并成功地获得了78%的最高准确性。做了模型后,最精确的模型被用来自动标记没有标签的评论。研究的最后一步是对每一种情感进行建模,试图找出每一种情感与什么有关。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Studi Ekstraksi Fitur Data Teks Rencana Pelaksanaan Pembelajaran Memanfaatkan Model Word2Vec Bagaimana Masyarakat Menyikapi Pembelajaran Tatap Muka: Analisis Komentar Masyarakat pada Media Sosial Youtube Menggunakan Algoritma Deep Learning Sekuensial dan LDA Sentiment Analysis of Stocktwits Data With Word Vector and Gated Recurrent Unit Indonesian Question Answering System for Factoid Questions using Face Beauty Products Knowledge Graph Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1