Analisis Sentimen Tweet Masyarakat Terhadap Pemerintahan Jokowi Menggunakan Metode LSTM dan CNN

Febryanthi Kurniawan, Davina (2024) Analisis Sentimen Tweet Masyarakat Terhadap Pemerintahan Jokowi Menggunakan Metode LSTM dan CNN. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (2MB)
[img] PDF
BAB_I.pdf

Download (439kB)
[img] PDF
BAB_II.pdf

Download (803kB)
[img] PDF
BAB_III.pdf

Download (556kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (4MB)
[img] PDF
BAB_V.pdf

Download (352kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (373kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (2MB)

Abstract

Pemerintahan saat ini, yang dipimpin oleh Presiden Jokowi, mendapatkan perhatian publik yang signifikan melalui platform media sosial X, menimbulkan beragam respons mulai dari pujian hingga kritik dan sindiran. Dengan mengumpulkan data dari tweet publik, penelitian ini bertujuan untuk memahami dan memberikan wawasan tentang sentimen positif dan negatif publik terhadap pemerintahan dan diteliti juga terkait lima prioritas kerja pemerintahan Jokowi. Penelitian ini melakukan analisis dengan metode LSTM dan CNN menggunakan dua fitur ekstraksi, yaitu TF-IDF dan Word Embedding serta membandingkan tujuh optimizer, yaitu Adam, RMSprop, SGD, Adagrad, Adadelta, Adamax, dan Nadam. Pada tahap terakhir penelitian ini menggunakan confusion matrix untuk evaluasi kinerja model LSTM dan CNN yang telah dilakukan. Model LSTM menggunakan Word Embedding dengan optimizer AdaMax menunjukkan akurasi dan tingkat loss yang konsisten, mencapai akurasi pelatihan 91.43% dengan loss 3.22% dan akurasi validasi 91.21% dengan loss 3,38% serta diperoleh hasil classification report dengan nilai akurasi sebesar 91.2%, nilai presisi 90.6%, nilai recall 93.4%, dan nilai f1-score 92%. Demikian pula, model CNN mencapai hasil terbaik dengan menggunakan fitur Word Embedding dan optimizer Adamax, menghasilkan akurasi pelatihan 98.23% dengan loss 0.079% dan akurasi validasi 91.47% dengan loss 3.57% serta diperoleh hasil classification report dengan nilai akurasi sebesar 91.4%, nilai presisi 91.5%, nilai recall 92.8%, dan nilai f1-score 92.1%.

Item Type: Thesis (Bachelor Thesis)
Keywords: Analisis Sentimen, Convolutional Neural Network, Jokowi, Long Short- Term Memory, X
Creators:
CreatorsNIM
Febryanthi Kurniawan, Davina00000047956
Contributors:
ContributionNameNIDN/NIDK
ContributorSunardi Oetama, RaymondUNSPECIFIED
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions: Faculty of Engineering & Informatics > Information System
Date Deposited: 12 Nov 2024 11:41
URI: https://kc.umn.ac.id/id/eprint/34714

Actions (login required)

View Item View Item