Analisis Pendapat Masyarakat terhadap Berita Kesehatan Indonesia menggunakan Pemodelan Kalimat berbasis LSTM

Abstract

Adanya ketidakpastian konten berita kesehatan yang tersebar di media sosial memunculkan kebutuhan untuk validasi kebenaran informasi. Salah satu pendekatan validasi dengan mempertimbangkan pendapat atau sikap sebagian besar masyarakat yang diistilahkan sebagai stance terhadap topik tersebut, yaitu mendukung, menentang, atau netral. Makalah ini membahas usulan model analisis stance untuk memahami hubungan antar kalimat sehingga dapat mengenali korelasi pendapat penulis berita terhadap klaim permasalahan dari judulnya. Usulan model menggunakan beberapa Long Short-Term Memory (LSTM) yang merepresentasikan keterkaitan antar berita untuk mengklasifikasikan relasi antara suatu judul berita kandidat validasi dengan berita-berita lain. Pembentukan vektor representasi kata-kata dilakukan bersamaan dengan pelatihan analisis pendapat melalui klasifikasi yang berbasis LSTM. Pemodelan kalimat dilakukan untuk mendapatkan vektor representasi kalimat dengan LSTM. Tiap kata dalam suatu kalimat menempati satu langkah waktu dalam LSTM dan output dari kata terakhir diambil sebagai representasi kalimat. Berdasarkan hasil uji coba dengan dataset bahasa Indonesia bertopik kesehatan yang telah dibangun untuk makalah ini, model analisis stance yang diusulkan mampu meraih rata-rata nilai F1 71%, dengan rincian label mendukung 69%, menentang 70%, dan netral 74%.

Keywords

• analisis pendapat
• stance classification
• deep learning
• lstm
• sentence embedding
• bahasa indonesia