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.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (947kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (848kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (833kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB)

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)
Keywords:	Analisis Sentimen, Long Short-Term Memory, Recurrent Neural Network, Twitter, Twitter Streaming API
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.7 Multimedia Systems, Blogs, Social Media, Web Application Frameworks
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2019 05:53
Last Modified:	25 Aug 2023 08:31
URI:	https://kc.umn.ac.id/id/eprint/10619

Actions (login required)

View Item