Analisis Sentimen Komentar Pada Platform Youtube Kategori Vlog Menggunakan Algoritma Long Short Term Memory network (LSTM)

WAHYUDI, NIKKO (2022) Analisis Sentimen Komentar Pada Platform Youtube Kategori Vlog Menggunakan Algoritma Long Short Term Memory network (LSTM). S1 thesis, Universitas Mercu Buana.

Preview	Text (HAL COVER) 01 Cover.pdf Download (2MB) | Preview
Preview	Text (ABSTRAK) 02 Abstrak.pdf Download (44kB) | Preview
	Text (BAB 1) 03 Bab 1.pdf Restricted to Registered users only Download (98kB)
	Text (BAB 2) 04 Bab 2.pdf Restricted to Registered users only Download (36kB)
	Text (BAB 3) 05 Bab 3.pdf Restricted to Registered users only Download (40kB)
	Text (BAB 4) 06 Bab 4.pdf Restricted to Registered users only Download (151kB)
	Text (BAB 5) 07 Bab 5.pdf Restricted to Registered users only Download (148kB)
	Text (BAB 6) 08 Bab 6.pdf Restricted to Registered users only Download (85kB)
	Text (DAFTAR PUSTAKA) 09 Daftar Pustaka.pdf Restricted to Registered users only Download (61kB)
	Text (LAMPIRAN) 10 Lampiran.pdf Restricted to Registered users only Download (56kB)

Abstract

Social media is a place to share information that is being widely used today, causing many sentiment reactions. Youtube is one of the media providers that is filled with a variety of information that results in the emergence of user reactions in the form of sentiments both from positive and negatif. In this case, a tool is needed to analyze the sentiment of users, because content creators must know the content that many viewers like and with an increasing number of users it is not possible to analyze manually which will take too long, one of the sentiment analysis methods that can be used is Long Short Term Memory(LSTM). Based on the tests carried out, there are the best parameters to build the Long Short Term Memorymethod, namely Dropout of 0.8, Epoch with number of 20 and batch size with a total of 32 which results in an accuracy of 86%. Keywords: Sentiment Analysis; Long Short Term Memory; Social Media; Youtube Sosial media merupakan tempat berbagi informasi yang sedang banyak digunakan pada zaman sekarang sehingga menimbulkan banyak reaksi sentimen. Youtube adalah salah satu penyedia media yang dipenuhi dengan beragam informasi yang mengakibatkan munculnya reaksi pengguna berupa sentimen baik dari positif maupun negatif. Dalam hal ini, diperlukan suatu alat untuk menganalisa sentimen para pengguna, karena konten kreator harus mengetahui konten yang banyak disukai oleh penonton dan dengan banyaknya pengguna yang semakin banyak tidak dimungkinkan untuk menganalisa secara manual yang akan menggunakan waktu terlalu lama, salah satu metode analisis sentimen yang bisa digunakan adalah Long Short Term Memory(LSTM). Berdasarkan pengujian yang dilakukan terdapat parameter terbaik untuk membangun metode Long Short Term Memory yaitu Dropout sebesar 0.8, Epoch dengan jumlah 20 serta batch size dengan jumlah 32 yang menghasilkan akurasi sebesar 86%. Kata kunci: Analisis Sentimen; Long Short Term Memory; Sosial Media; Youtube

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 22 038
NIM/NIDN Creators:	41518010170
Uncontrolled Keywords:	Analisis Sentimen; Long Short Term Memory; Sosial Media; Youtube
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.3 Bibliographic Analysis and Control/Bibliografi Analisis dan Kontrol Perpustakaan 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.4 Subject Analysis and Control/Subjek Analisis dan Kontrol Perpustakaan
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	LUTHFIAH RAISYA ARDANI
Date Deposited:	16 Sep 2022 09:38
Last Modified:	19 Sep 2022 02:27
URI:	http://repository.mercubuana.ac.id/id/eprint/69182

Actions (login required)

View Item