Analisis Sentimen Publik terhadap Kinerja Komisi Pemilihan Umum dengan Menggunakan Long Short-Term Memory (LSTM)

Simon, Lifosmin (2024) Analisis Sentimen Publik terhadap Kinerja Komisi Pemilihan Umum dengan Menggunakan Long Short-Term Memory (LSTM). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (4MB)
	PDF BAB_I.pdf Download (213kB)
	PDF BAB_II.pdf Download (735kB)
	PDF BAB_III.pdf Download (434kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (204kB)
	PDF DAFTAR_PUSTAKA.pdf Download (215kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (383kB)

Abstract

Dalam beberapa tahun terakhir,peran media sosial dan platform daring menjadi peran utama bagi masyarakat untuk menyampaikan pandangan, opini, dan respons terhadap berbagai isu termasuk kinerja lembaga-lembaga pemerintahan seperti Komisi Pemilihan Umum (KPU). Menjelang pemilihan 2024, pemahaman terhadap sentimen publik terhadap kinerja KPU menjadi krusial untuk meningkatkan keterlibatan demokratis. Oleh karena itu analisis sentimen masyarakat perlu dilakukan untuk memberi masukan pada kinerja KPU. Penelitian ini menganalisis kinerja analisis sentimen terhadap Kinerja KPU pada Pemilu 2024 dari X menggunakan label kamus leksikon dan metode long short-term memory (LSTM) yang merupakan salah satu tipe dari recurrent neural network (RNN). Data didapatkan dari hasil scraping dengan kata kunci "KPU ID" di X sebanyak 8413 data dengan pebagian data positif 3399 data, netral 2475 data, dan negatif sebesar 2541. Data akan dilewati tahap preprocessing dan cleaning dan hasilnya analisis melalui confussion matrix. Akan dilakukan perubahan hiperparameter seperti pengubahan learning rate, batch size, lstm hidden units, embedding dims, dan data distribution untuk mendapat akurasi tertinggi. Hasil dari penelitian menunjukkan akurasi tertinggi didapatkan sebesar 70.03%, Precision 70%, recall 70,3%, dam f1score 70.1% tercapai ketika hiperparameter laju pembelajaran diatur pada 0.001, dengan ukuran batch sebesar 128, 128 unit LSTM, 100 dimensi embedding, dan pembagian data training 90% serta data testing 10%. Analisis sentimen kinerja KPU pada pemilu 2024 di media sosial X menunjukkan dominasi sentimen positif.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	analisis sentimen, confusion matrix, deep learning, Komisi Pemilihan Umum, hiperparameter, long short-term memory,
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 10:11
Last Modified:	11 Nov 2024 10:11
URI:	https://kc.umn.ac.id/id/eprint/34431

Actions (login required)

View Item