ANALISIS SENTIMEN UMUM BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM)

ARDA, AKBAR ROZAAQ and Faurina, Ruvita and Yusa, Mochammad (2023) ANALISIS SENTIMEN UMUM BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM). Undergraduated thesis, Universitas Bengkulu.

Text SKRIPSI AKBAR ROZAAQ FINAL PERPUSTAKAAN UNIB - Akbar Rozaaq.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (2MB)

Abstract

Analisis sentimen adalah proses mengevaluasi opini atau perasaan dari teks, seperti tweet, ulasan produk, atau komentar. Dalam makalah ini ada 3 dataset yang di ambil dari website dan Twitter dan diklasifikasikan menjadi 3 (positif, negatif, atau netral) dengan menggunakan Lexicon Based yaitu InSet Lexicon. Dataset tersebut tidak menjelaskan suatu produk tertentu sehingga kata kunci yang digunakan untuk mendapatkan dataset adalah kata kunci umum seperti “adalah”, “yaitu”, “seperti” dan “juga”. Word Embedding yang digunakan Word2vec, TF-IDF. Penulis juga menggunakan beberapa teknik penyeimbangan dan tidak keseimbangan data. Algoritma yang digunakan adalah Long Short-Term Memory (LSTM) dan Bidirectional Long-Short Term Memory (BiLSTM). Hasilnya tersebut dikomparasikan dengan algoritme machine learning konvensional yaitu Support Vector Machine(SVM) dan Naïve Bayes(NB). Hasil akurasi LSTM dan BiLSTM diperoleh sebesar 86% dan setelah dilakukan fine-tuning diperoleh akurasi sebesar 91%. Sedangkan SVM menghasilkan akurasi sebesar 85% dan Naive bayes menghasilkan akurasi sebesar 72%. Hasil yang lebih rinci akan dilampirkan dalam bentuk Confusion Matrix dan laporan klasifikasi. Kata Kunci: Analisis Sentimen; Studi Banding; InSet Lexicon; Word Embedding; LSTM; Machine Learning Konvensional; Fine-tuning.

Actions (login required)

View Item