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). ['eprint_fieldopt_thesis_type_ut' not defined] thesis, Universitas Bengkulu.

[thumbnail of SKRIPSI AKBAR ROZAAQ FINAL PERPUSTAKAAN UNIB - Akbar Rozaaq.pdf] 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.

Item Type: Thesis (['eprint_fieldopt_thesis_type_ut' not defined])
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 58 lili haryanti
Date Deposited: 21 Nov 2023 08:05
Last Modified: 21 Nov 2023 08:05
URI: https://repository.unib.ac.id/id/eprint/17347

Actions (login required)

View Item
View Item

slot gacor terbaik

slot gacor terpercaya

Situs Resmi Bisawd

slot gacor 4d

Slot Terpercaya

Slot Gacor bet 200