PENERAPAN METODE CNN-LSTM UNTUK ANALISIS SENTIMEN CALON PRESIDEN PADA PILPRES TAHUN 2024

ANWAR, BAYU SAEFUL (2023) PENERAPAN METODE CNN-LSTM UNTUK ANALISIS SENTIMEN CALON PRESIDEN PADA PILPRES TAHUN 2024. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (580kB) | Preview
Preview	Text (ABSTRAK) 02 Abstrak.pdf Download (27kB) | Preview
	Text (BAB I) 03 Bab 1.pdf Restricted to Registered users only Download (27kB)
	Text (BAB II) 04 Bab 2.pdf Restricted to Registered users only Download (371kB)
	Text (BAB III) 05 Bab 3.pdf Restricted to Registered users only Download (38kB)
	Text (BAB IV) 06 Bab 4.pdf Restricted to Registered users only Download (456kB)
	Text (BAB V) 07 Bab 5.pdf Restricted to Registered users only Download (20kB)
	Text (DAFTAR PUSTAKA) 08 Daftar Pustaka.pdf Restricted to Registered users only Download (107kB)
	Text (LAMPIRAN) 09 Lampiran.pdf Restricted to Registered users only Download (762kB)

Abstract

Social media, especially Twitter, is now a very popular communication tool among internet users. This popularity makes twitter an easy place to obtain information in the form of facts, opinions, and issues that are currently developing in society, especially internet users. In 2022 internet users, especially Twitter, are shocked by issues circulating on the internet regarding the names of those who will be nominated as president in the 2024 presidential election. These names are considered capable of leading Indonesia in the future due to their good performance which is always posted on their personal social media accounts. . From this, researchers used the CNN-LSTM deep learning combination method to analyze public sentiment. The dataset used is 6350 tweets obtained through scraping techniques on Twitter using the twint library in Python. After passing through the dataset preprocessing stage, testing was carried out using the CNN-LSTM model that had been designed and obtained results of 98% accuracy on training data, 99% data validation and 99 data. Then the model results are evaluated using the Confusion Matrix. The CNN-LSTM model that has been evaluated is then used to analyze the sentiment of each presidential candidate's name. Keywords: Sentiment Analysis, Twitter, Scraping, Deep Learning, CNN-LSTM Media sosial khususnya twitter sekarang ini menjadi perangkat komunikasi yang sangat popular dikalangan pengguna internet. Dari kepopuleran tersebut menjadikan twitter sebagai tempat yang mudah untuk memperoleh informasi berupa fakta, opini, dan isu yang sedang berkembang dimasyarakat khususnya pengguna internet. Ditahun 2022 pengguna internet khususnya twitter dihebohkan dengan isu yang yang beredar di internet mengenai nama-nama yang dicalonkan sebagai presiden pada pilpres tahun 2024. Nama-nama tersebut dianggap mampu untuk memimpin Indonesia dimasa mendatang dikarenakan kinerja mereka yang dianggap baik yang selalu diposting diakun pribadi media sosial mereka. Dari hal tersebut peneliti menggunakan kombinasi metode deep learning CNN-LSTM untuk menganalisis sentimen masyarakat. Dataset yang digunakan berjumlah 6350 tweet diperoleh melalui teknik scraping pada twitter menggunakan libarary twint pada python. Setelah melewati tahap preprocessing dataset dilakukan pengujian menggunakan model CNN-LSTM yang telah dirancang dan memperoleh hasil akurasi 98 % pada data training, 99% data validation dan 99 data. Kemudian hasil model dievaluasi menggunakan Confusion Matrix. Dari model CNNLSTM yang telah dievaluasi kemudian digunakan untuk menganalisis sentimen dari masing masing nama calon presiden. Kata Kunci : Analisis Sentimen, Twitter, Scraping, Deep Learning, CNN-LSTM.

Actions (login required)

View Item