KOMBINASI TEKNIK EMBEDDING DAN MAX-OVER-TIME POOLING UNTUK MENINGKATKAN CONVOLUTIONAL NEURAL NETWORK DALAM ANALISIS SENTIMEN

PRATAMA, DICKY and Mochammad, Yusa and Desi, Andreswari (2024) KOMBINASI TEKNIK EMBEDDING DAN MAX-OVER-TIME POOLING UNTUK MENINGKATKAN CONVOLUTIONAL NEURAL NETWORK DALAM ANALISIS SENTIMEN. Other thesis, Universitas Bengkulu.

[thumbnail of Thesis] Archive (Thesis)
NASKAH SKRIPSI_G1A020061_DICKY PRATAMA_compressed - Dicky Zuerst.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (1MB)

Abstract

Analisis sentimen adalah proses menganalisis dokumen teks untuk menentukan
apakah suatu teks memiliki nuansa tertentu seperti positif atau negatif. Untuk
menganalisis sentimen data teks dalam jumlah besar, CNN sebagai metode
pembelajaran mendalam telah menunjukkan hasil yang baik pada penelitian
sebelumnya. Terdapat bagian CNN yang dapat disesuaikan untuk meningkatkan
performanya untuk tugas analisis sentimen. Penelitian ini bertujuan meningkatkan
performa CNN dalam tugas analisis sentimen dengan menggabungkan CNN
dengan beberapa teknik embedding dan max-over-time pooling. Teknik embedding
yang dibandingkan adalah Word2vec arsitektur CBOW dan Skip-gram serta Glove,
sedangkan dataset yang digunakan adalah MR, CR, dan SST-2. Hasil menunjukkan
bahwa Word2vec dan Glove memiliki performa yang kompetitif tergantung pada
dataset yang digunakan dan pengurangan dimensi embedding dapat mengurangi
resiko overfitting dan memberikan akurasi yang lebih baik dibandingkan penelitian
sebelumnya. Penggunaan mode non-static mendapatkan akurasi yang jauh lebih
baik dibandingkan static. Hal ini menunjukkan bahwa performa model lebih
dipengaruhi oleh arsitekturnya dibandingkan dengan penyematannya. Hal ini
disebabkan oleh kebutuhan untuk memperbarui embedding selama pelatihan model
menggunakan jaringan saraf konvolusional (CNN). Dengan demikian, peningkatan
akurasi yang diperoleh cenderung tidak signifikan.
Kata Kunci : Analisis Sentimen, NLP, CNN, Glove, Word2vec

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: 26 Sep 2025 07:18
Last Modified: 26 Sep 2025 07:18
URI: https://repository.unib.ac.id/id/eprint/26445

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