Analisis Sentimen Berbasis Aspek Pada Twitter Menggunakan Metode Long Short-Term Memory
SITI INAYAH PUTRI

Informasi Umum

Kode

23.04.2515

Klasifikasi

004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science, Data Analysis-research,

Dilihat

410 kali

Informasi Lainnya

Abstraksi

<p>Twitter merupakan salah satu media sosial yang sangat populer di kalangan masyarakat Indonesia. Karena jumlah pengguna dan intensitas penggunaannya yang tinggi, Twitter juga dapat dimanfaatkan untuk menggali informasi terkait suatu topik ataupun produk dengan kegiatan analisis sentimen. Salah satu topik yang sering dibahas pada Twitter adalah terkait ulasan film. Penilaian setiap orang terkait ulasan film dapat merujuk pada aspek yang berbeda. Sehingga analisis sentimen berbasis aspek dapat diterapkan pada ulasan film agar mendapatkan hasil yang lebih optimal. Analisis sentimen berbasis aspek menjadi solusi untuk mengetahui opini pengguna Twitter terhadap review film berdasarkan aspek. Dalam penelitian ini, dibangun sistem untuk analisis sentimen berbasis aspek dengan <em>dataset</em> ulasan film berbahasa Indonesia yang terdiri dari 3 aspek, yaitu plot, akting, dan direktor. Model klasifikasi menggunakan metode Long Short-Term Memory (LSTM) dengan penerapan ekstraksi fitur TF-IDF, ekspansi fitur fastText, dan penanganan <em>imbalaced data</em> menggunakan SMOTE. Hasil akhir dari penelitian ini untuk aspek plot didapatkan nilai akurasi sebesar 74,86% dan <em>F1-score</em> sebesar 74,74%, untuk aspek akting didapatkan nilai akurasi sebesar 94,80% dan <em>F1-score</em> sebesar 94,74%, dan untuk aspek direktor didapatkan nilai akurasi sebesar 94,02% dan <em>F1-score</em> sebesar 93,89%.</p>

• CII4E4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook