UMN Knowledge Center

Analisis Sentimen Media Twitter Menggunakan Long Short-Term Memory Recurrent Neural Network (Studi Kasus: Prediksi Polling Kandidat Presiden Indonesia 2019)

Silvin, Silvin (2019) Analisis Sentimen Media Twitter Menggunakan Long Short-Term Memory Recurrent Neural Network (Studi Kasus: Prediksi Polling Kandidat Presiden Indonesia 2019). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (3MB) | Preview
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (833kB) | Preview
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (947kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (848kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
HALAMAN_AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview

Abstract

Indonesia memiliki pengguna media sosial di Twitter dengan urutan ke-tiga di dunia. Konsep penggunaan hashtag pada Twitter mempermudah pengklasifikasian teks karena dapat menunjukkan emosi atau opini pengguna Twitter. Pada penelitian ini, analisis sentimen dilakukan untuk melihat kecenderungan opini terhadap kandidat Presiden Indonesia 2019. Pengumpulan data berupa tweets dilakukan menggunakan Twitter Streaming API dengan jumlah berupa 1.786.213 tweets. Pelabelan data terhadap 1.000 tweets dilakukan oleh pakar Bahasa Indonesia. Pra-pemrosesan terhadap data tersebut terdiri atas 4 tahap, yaitu case folding, noise removal, stopword remover dan tokenization. Penelitian ini menggunakan algoritma Long Short-Term Memory (LSTM) Recurrent Neural Network (RNN) untuk melakukan proses klasifikasi sentiment pada tweets. Model LSTM RNN yang dihasilkan akan dievaluasi menggunakan K-fold cross-validation sehingga menghasilkan nilai F-measure. Implementasi model tersebut akan dilakukan pada 1.785.213 tweets lainnya untuk mendapatkan sentiment scoring dalam tiga klasifikasi, yaitu Jokowi, Prabowo dan Netral. F-measure dari model yang dibuat bernilai 78.65%, yang memprediksi persentase tweets dengan sentimen "Jokowi" sebesar 62.08% dan sentiment "Prabowo" sebesar 37.92%.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Analisis Sentimen, Long Short-Term Memory, Recurrent Neural Network, Twitter, Twitter Streaming API
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2019 05:53
Last Modified: 13 Jan 2020 07:13
URI: http://kc.umn.ac.id/id/eprint/10619

Actions (login required)

View Item View Item