Tren Analisis Sentimen Menggunakan Algoritma Deep Learning: Tinjauan Literatur Sistematis

Alexander Gunawan, Jericho (2024) Tren Analisis Sentimen Menggunakan Algoritma Deep Learning: Tinjauan Literatur Sistematis. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (360kB)
	PDF BAB_I.pdf Download (138kB)
	PDF BAB_II.pdf Download (269kB)
	PDF BAB_III.pdf Download (195kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (404kB)
	PDF BAB_V.pdf Download (53kB)
	PDF DAFTAR_PUSTAKA.pdf Download (196kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (52kB)

Abstract

Studi literatur sistematis ini mengeksplorasi penggunaan algoritma deep learning dalam analisis sentimen dari tahun 2019 hingga 2024. Penelitian ini berfokus pada mengidentifikasi tren dan informasi terkait analisis sentimen berdasarkan model deep learning, dengan penekanan khusus pada tingkat akurasi tinggi yang dicapai oleh metode LSTM dan CNN. Temuan penelitian mengungkapkan bahwa LSTM dan CNN adalah metode yang paling populer untuk analisis sentimen, baik secara individu maupun dalam kombinasi, dengan CNN mencapai akurasi maksimum 98,72% dan rata-rata sebesar 89,46%. Studi ini juga menekankan pentingnya pengumpulan data yang memadai untuk persiapan data dan pemodelan yang optimal dalam analisis sentimen menggunakan deep learning. Secara keseluruhan, penelitian ini memberikan wawasan berharga tentang pemanfaatan algoritma deep learning dalam analisis sentimen dan memberikan panduan untuk upaya penelitian masa depan di bidang ini. Temuan penelitian menegaskan pentingnya kuantitas data dalam mencapai hasil analisis sentimen yang optimal dan menyoroti potensi deep learning untuk meningkatkan akurasi dan efisiensi dalam tugas analisis sentimen.

Item Type:	Thesis (MBKM)
Keywords:	Analisis Sentimen, Deep Learning, SLR 5 Trend of Sentiment Analysis Using Deep Learning Algorithm: Systematic Literature Review Jericho Alexander, Universitas Multimedia Nusantara
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	07 Nov 2024 06:49
Last Modified:	07 Nov 2024 06:49
URI:	https://kc.umn.ac.id/id/eprint/32626

Actions (login required)

View Item