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.
![SKRIPSI AKBAR ROZAAQ FINAL PERPUSTAKAAN UNIB - Akbar Rozaaq.pdf [thumbnail of SKRIPSI AKBAR ROZAAQ FINAL PERPUSTAKAAN UNIB - Akbar Rozaaq.pdf]](https://repository.unib.ac.id/style/images/fileicons/text.png)
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 |