Analisis Sentimen IMDB Movie Reviews Menggunakan Algoritma Recurrent Neural Network

Aryasuta, Aryasuta (2023) Analisis Sentimen IMDB Movie Reviews Menggunakan Algoritma Recurrent Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (872kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (207kB) | Preview
Preview	PDF BAB_I.pdf Download (209kB) | Preview
Preview	PDF BAB_II.pdf Download (245kB) | Preview
Preview	PDF BAB_III.pdf Download (256kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (201kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (746kB)

Abstract

IMDb merupakan sebuah platform terkenal yang menyediakan review dan rating dari pengguna terhadap berbagai film. Jumlah ulasan yang terdapat di IMDb cukup banyak, bahkan mencapai ribuan ulasan. Meskipun sebuah film dapat memiliki peringkat yang tinggi secara keseluruhan, masih mungkin menerima ulasan negatif dari sejumlah penonton. Oleh karena itu, tujuan dari sistem klasifikasi sentimen ini adalah untuk memberikan tolak ukur terhadap tingkat sentimen yang terdapat dalam film tersebut, dan berharap para pembuat film dapat menggunakan informasi ini sebagai acuan pada pengembangan film selanjutnya. Dalam penelitian ini, ulasan dari pengguna IMDb diklasifikasikan menjadi dua jenis, yaitu ulasan positif dan ulasan negatif. Program dibuat menggunakan bahasa Pyhton dengan model klasifikasi LSTM (Long Short-Term Memory) dari algoritma RNN (Recurrent Neural Network). Tujuan menggunakan algoritma ini untuk mengukur tingkat akurasi prediksi dalam proses klasifikasi. Hasil dari tiga rasio pengujian, yaitu 60:40, 70:30, dan 80:20, menunjukkan bahwa pada skenario 80% data training dan 20% data testing memiliki performa yang lebih baik dengan hasil accuracy sebesar 96%, precision sebesar 97%, recall sebesar 98%, f1-score sebesar 97%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, IMDb, Python, RNN (Recurrent Neural Network)
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	23 Jun 2023 09:48
Last Modified:	22 Aug 2023 00:41
URI:	https://kc.umn.ac.id/id/eprint/25471

Actions (login required)

View Item