ANALISIS SENTIMEN TWEET TERHADAP STARLINK MENGGUNAKAN METODE LONG SHORT TERM MEMORY - Dalam bentuk buku karya ilmiah
FRANSISCO WAHYU SYAHBANI

Informasi Umum

Kode

25.04.2778

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

176 kali

Informasi Lainnya

Abstraksi

Layanan Starlink telah menjadi solusi penting dalam menyediakan internet satelit di daerah yang sulit dijangkau. Sentimen masyarakat terhadap layanan ini sering kali bervariasi, yang mempengaruhi penerimaan pengguna. Penelitian ini bertujuan untuk menganalisis sentimen <em>tweet</em> terkait Starlink menggunakan algoritma <em>Long Short-Term Memory</em> (<em>LSTM</em>). Pengklasifikasian sentimen pada <em>tweet</em> yang sangat bervariasi dan adanya sentimen campuran antara negatif dan positif menjadi tantangan besar dalam analisis sentimen berbasis teks. Oleh karena itu, dibutuhkan solusi yang mampu memproses data teks dengan akurat dan efisien. Penelitian ini menggunakan <em>LSTM</em> untuk menganalisis <em>tweet</em> terkait layanan Starlink, dengan melakukan <em>preprocessing</em> untuk membersihkan data dan pelabelan sentimen positif serta negatif. Model <em>LSTM</em> dilatih menggunakan parameter <em>Batch Size, Dropout Rate,</em> dan <em>Epoch</em>, serta teknik <em>SMOTE</em> untuk mengatasi ketidakseimbangan kelas. Hasil pengujian menunjukkan bahwa model dengan <em>Batch Size</em> 16 dan <em>Dropout Rate</em> 0.3 pada <em>Epoch</em> 100 menghasilkan Akurasi Tes tertinggi yaitu 73.12%. Rasio data latih dan uji 90:10 memberikan hasil akurasi terbaik yang menunjukkan peningkatan performa model dengan lebih banyak data latih<br />  

• CAK4FAB4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook