SENTIMENT ANALYSIS KOMENTAR BERBAHASA BENGKULU MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM)

NURHAENI, SAFITRI RAHAYU and Faurina, Ruvita and Utama, Ferzha Putra (2023) SENTIMENT ANALYSIS KOMENTAR BERBAHASA BENGKULU MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM). ['eprint_fieldopt_thesis_type_ut' not defined] thesis, Universitas Bengkulu.

[thumbnail of SKRIPSI_Safitri Rahayu Nurhaeni - Broo Seriously.pdf] Text
SKRIPSI_Safitri Rahayu Nurhaeni - Broo Seriously.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (3MB)

Abstract

Informasi di media sosial berputar dengan cepat dan beragam, salah
satu jenis informasi yang bisa didapatkan dari media sosial adalah berupa
informasi sentimen. Sentimen memiliki arti pendapat, opini, dan pandangan
masyarakat yang mengandung emosi atau perasaan di dalamnya. Analisis
sentimen dapat digunakan untuk menganalisis nilai sentimen apakah
sentimen tersebut merupakan sentimen yang cenderung netral, negatif, atau
positif. Pemodelan analisis sentimen untuk berbagai bahasa diperlukan
karena setiap bahasa memiliki karakteristik dan keunikannya masing�masing, tidak terkecuali Bahasa Bengkulu. Pemodelan sentimen Bahasa
Bengkulu belum tersedia, oleh karena itu pada penelitian ini akan
dikembangkan model analisis sentimen Bahasa Bengkulu dengan
menerapkan Long Short-Term Memory (LSTM). Selain itu, dilakukan
eksperimen terhadap arsitektur Long Short-Term Memory (LSTM) untuk
mengetahui arsitektur mana yang menghasilkan nilai terbaik dalam model
analisis sentimen bahasa Bengkulu. Data yang digunakan dalam penelitian
ini berjumlah 24.000 komentar berbahasa Bengkulu yang diperoleh dari
media sosial Instagram, Twitter, dan Youtube. Penelitian pada eksperimen
1 menghasilkan nilai akurasi yang paling baik dibandingkan dengan hasil
pengujian pada eksperimen lainnya, sehingga eksperimen 1 yang akan
dijadikan model sentimen pada penelitian ini dengan hasil pengujian pada
confussion matrix menghasilkan nilai tingkat akurasi sebesar 0,87 dengan
presicission bernilai 0,80, recall bernilai 0,82 dan F1-score bernilai 0,81.
Kata Kunci: Informasi, sentimen, Long Short-Term Memory (LSTM),
Bahasa Bengkulu, arsitektur, media sosial.

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 08:20
Last Modified: 21 Nov 2023 08:20
URI: https://repository.unib.ac.id/id/eprint/17351

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