Studi Komparatif Model Natural Language Processing untuk Analisis Sentimen Perlindungan Data Privasi di Media Sosial

Ariesta Rustian, Shyfa (2026) Studi Komparatif Model Natural Language Processing untuk Analisis Sentimen Perlindungan Data Privasi di Media Sosial. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (452kB)
	PDF BAB_I.pdf Download (193kB)
	PDF BAB_II.pdf Download (385kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (203kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (113kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (119kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (706kB)
	Archive (ZIP) 00000071428_2521_LembarPengesahan.pdf Restricted to Registered users only Download (63kB)

Abstract

Penelitian ini bertujuan membandingkan performa model Hybrid CNN- LSTM dan Hybrid CNN-BiLSTM dalam analisis sentimen mengenai perlindungan data pribadi pada platform X, dengan menggunakan CNN dan LSTM sebagai model pembanding (baseline). Dataset diperoleh melalui proses crawling pada platform X dan diproses melalui tahapan preprocessing yang meliputi cleaning, case folding, tokenizing, labeling, padding, dan train- test split. Pelabelan sentimen dilakukan menggunakan pendekatan lexicon- based dengan tiga kategori sentimen, yaitu positif, negatif, dan netral. Evaluasi model menggunakan metrik accuracy, precision, recall, dan F1- score. Hasil penelitian menunjukkan bahwa model CNN memperoleh akurasi sebesar 91% sebagai model baseline dengan performa terbaik, sedangkan pada kelompok model hybrid, Hybrid CNN-BiLSTM memperoleh akurasi sebesar 85%, lebih tinggi dibandingkan Hybrid CNN-LSTM yang memperoleh akurasi sebesar 83%. Secara keseluruhan, penelitian ini menunjukkan bahwa pendekatan deep learning berbasis kombinasi CNN dan BiLSTM efektif digunakan untuk analisis sentimen terhadap isu perlindungan data pribadi pada platform X.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Ariesta Rustian, Shyfa (00000071428)
Contributors:	Wella, Wella
Keywords:	Analisis Sentimen, CNN-LSTM, CNN-BiLSTM, Deep Learning, X
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:	22 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/47852

Actions (login required)

View Item