PAMUNGKAS, FARIDHO CATUR and Yusa, Mochammad and Nurul, Renaningtias (2024) IMPLEMENTASI METODE BI-LSTM DALAM MENENTUKAN SENTIMEN ANALISIS CALON PRESIDEN TERHADAP PEMILIHAN PRESIDEN 2024 PADA MEDIA SOSIAL TWITTER (X). Other thesis, Universitas Bengkulu.
![Thesis [thumbnail of Thesis]](https://repository.unib.ac.id/style/images/fileicons/archive.png)
Naskah Skripsi_Faridho Catur Pamungkas (G1A019041) - Faridho Catur Pamungkas.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).
Download (1MB)
Abstract
Pemilihan Umum merupakan sebuah sarana kedaulatan rakyat dalam sistem
pemerintahan demokrasi NKRI. Pemilu ini sangat vital dalam suatu negara
demokrasi dimana untuk memilih calon pemimpin penerus yang kredibel dan
dilakukan menyeluruh di seluruh bagian dalam suatu negara dengan sistem voting
skala besar. Pemilihan Presiden yang merupakan bagian dari Pemilihan Umum
bertujuan untuk menentukan seseorang yang mampu memimpin sebuah negara
serta sesuai dengan kehendak rakyat yang memiliki tugas, fungsi, dan wewenang
sebagai pemimpin negara. Banyak informasi-informasi mengenai calon presiden
yang dapat dilihat melalui media sosial seperti twitter (X). Dikarenakan
banyaknya jumlah informasi mengenai opini masyarakat terhadap calon presiden
sehingga diperlukan sebuah metode yang dapat melihat opini masyarakat secara
efektif. Dalam hal ini Natural Language Processing (NLP) menjadi solusi yang digunakan
untuk menyelesaikan masalah ini.
Penerapan NLP dengan metode Bi-LSTM (Bidirectional Long Short Term Memory) dalam penentuan sentimen
masyarakat menawarkan banyak kemudahan, seperti peningkatan akurasi,
efisiensi waktu dan biaya. Berdasarkan penelitian yang dilakukan, ditemukan
bahwa hasil yang didapatkan dengan menggunakan metode Bi-LSTM memiliki
accuracy sebesar 0,8608, precision sebesar 0,8791, recall sebesar 0,8394, dan f1-
score sebesar 0,8588. Meskipun demikian, ditemukan bahwa model ini masih
mengalami overfitting ketika dilakukan training yang banyak, yang kemungkinan
disebabkan oleh represensativitas dataset.
Kata Kunci : Pemilihan Presiden, Bi-LSTM, Sentimen Analisis, NLP.
Item Type: | Thesis (Other) |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering > Department of Informatics Engineering |
Depositing User: | 58 lili haryanti |
Date Deposited: | 01 Oct 2025 07:48 |
Last Modified: | 01 Oct 2025 07:51 |
URI: | https://repository.unib.ac.id/id/eprint/20102 |