Analisis Sentimen pada Ulasan Film Menggunakan Word2Vec
dan Long Short-Term Mermory (LSTM)

RANI SARI MURTI

Informasi Umum

Kode

20.04.3786

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Text Mining

Dilihat

145 kali

Informasi Lainnya

Abstraksi

Seiring berkembangnya teknologi. Website menjadi salah satu media sosial yang berkontribusi besar dalam memberikan informasi. Beberapa website kini memberikan fitur untuk memberikan ulasan sebagai salah satu strategi marketing. Analisis Sentimen menjadi alternatif untuk membantu mengklasifikasikan informasi dalam jumlah besar. Analisis Sentimen bertugas mengklasifikasikan teks menjadi beberapa kelas yaitu positif, negatif dan netral. Dengan analisis sentimen, informasi yang ada akan lebih terangkum dan terevaluasi. Pada penelitian sebelumnnya menggunakan Support Vector Machine (SVM) mendapatkan akurasi sebesar 80.51% , menggunakan metode Naive Bayes mendapat akurasi 80.1% , dengan metode KNN sebesar 82.90% dengan data yang sama yaitu ulasan film. Penilitian ini tertarik untuk meneliti website ulasan film menggunakan metode klasifikasi Long Short-Term Memory (LSTM) dengan ekstraksi fitur Word2Vec . Penelitian ini memilih metode Long Short-Term Memory (LSTM) karena dari penelitian sebelumnya menunjukan bahwa Long Short-Term Memory (LSTM) mendapatkan akurasi 72.85% dan Naive Bayes sebesar 67.88% pada data yang sama. Pada penilitian lain menggunakan Long Short-Term Memory (LSTM) yang dibantu oleh Back Propagation Through Time (BPTT) mendapatkan akurasi sebesar 86.75% pada data ulasan film. LSTM mempunyai kelebihan yaitu dapat menyimpan beberapa memori tentang pola data dalam struktur jaringan sebelumnya, maka Long Short-Term Memory (LSTM) bisa menyelesaikan masalah penelitian yang bersifat klasifikasi seperti analisis sentimen.