ASTARI, YULIYA (2021) ANALISIS SENTIMEN MULTI-CLASS PADA SOSIAL MEDIA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM). S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (2MB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (72kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (868kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (137kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (197kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (95kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (75kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (596kB) |
Abstract
Technological developments, especially in the internet and social media, could be a very important research subject in obtaining information, because of the large amount of information in a text found on social media. In recent years, there has been an increase in research about sentiment analysis on text reviews and tweets in order to determine the polarity generated by social media. There are still few studies that apply the deep learning method with the Long Short-Term Memory (LSTM) algorithm to analyze multiclass sentiments in Indonesian-language texts. This study aims to analyze positive and negative emotions in social media texts using the information classification approach in the text and dividing them into 8 different classes using the LSTM method. The dataset is directly taken and collected from users' posts on social media. In testing the LSTM method, the calculation of the accuracy, exactness, review, f-measure values is generated. The results of the processing of the LSTM method show quite well with 5 trials with the highest accuracy value of 91.9% and the average value of multiclass getting 89.45% results. Key words: sentiment analysis, classification, long short-term memory, social media, Multi-Class Perkembangan teknologi khususnya dalam internet dan media sosial dapat menjadikan subjek penelitian yang sangant penting dalam memperoleh informasi, karena banyaknnya jumlah informasi di dalam sebuah teks yang terdapat pada sosial media. Dalam beberapa tahun terakhir, telah terjadi peningkatan penelitian terhadap analisis sentimen pada teks ulasan maupun cuitan agar dapat mengetahui polaritas yang dihasilkan dari sosial media. Masih sedikit penelitian yang menerapkan metode deep learning dengan algoritma Long Short-Term Memory (LSTM) untuk menganalisa sentimen multiclass pada teks berbahasa Indonesia. Penelitian ini bertujuan untuk menganalisa emosi bersifat positif maupun negatif pada teks sosial media menggunakan pendekatan klasifikasi informasi yang ada pada teks dan membaginya menjadi 8 kelas yang berbeda dengan menggunakan metode LSTM. Dataset langsung diambil dan dikumpulkan dari tulisan pengguna pada media sosial. Dalam pengujian metodel LSTM ini dihasilkan perhitungan dari nilai akurasi, exactness, review, f-measure. Pada hasil pengolahan metode LSTM menunjukan cukup baik dengan uji coba sebanyak 5 kali dengan nilai akurasi tertinggi 91,9% dan nilai rata-rata dari multiclass mendapatkan hasil 89,45%. Kata kunci: analisis sentimen, klasifikasi, long short-term memory, sosial media, multi-class
Actions (login required)
 |
View Item |
