Komparasi Deteksi Kekuatan Sentimen pada Ulasan Produk Mcdonalds: Pendekatan Cnn, Lstm, dan Bi-Lstm dengan Leksikon Sss-Lex dan Vader

Virgio Kertawijaya, Dava (2026) Komparasi Deteksi Kekuatan Sentimen pada Ulasan Produk Mcdonalds: Pendekatan Cnn, Lstm, dan Bi-Lstm dengan Leksikon Sss-Lex dan Vader. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (244kB)
	PDF BAB_II.pdf Download (748kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (406kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (990kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (177kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (204kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (673kB)
	Archive (ZIP) LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (25kB)

Abstract

Ulasan pelanggan pada platform digital mengandung informasi penting mengenai tingkat kepuasan konsumen, namun sebagian besar penelitian analisis sentimen masih terbatas pada klasifikasi positif, negatif, dan netral tanpa memperhatikan tingkat kekuatan sentimen. Penelitian ini bertujuan membandingkan kinerja model Convolutional Neural Network, Long Short- Term Memory, dan Bidirectional Long Short-Term Memory dalam mendeteksi kekuatan sentimen pada ulasan pelanggan McDonald's menggunakan dua pendekatan leksikon sentimen, yaitu Sentiment Strength Score Lexicon dan Valence Aware Dictionary and Sentiment Reasoner. Penelitian menerapkan framework Knowledge Discovery in Databases yang meliputi tahapan pemilihan data, eksplorasi data, prapemrosesan, transformasi data, pemodelan, evaluasi, dan penyajian pengetahuan. Dataset diperoleh dari Kaggle dan diproses melalui tokenisasi, pembersihan teks, pembobotan sentimen berbasis leksikon, serta pelatihan model deep learning. Evaluasi dilakukan menggunakan Mean Absolute Error dan Predictive R-Square. Hasil penelitian menunjukkan bahwa seluruh model mampu mendeteksi kekuatan sentimen dengan baik, namun penggunaan Sentiment Strength Score Lexicon menghasilkan performa yang lebih baik dibandingkan Valence Aware Dictionary and Sentiment Reasoner. Kombinasi Convolutional Neural Network dan Sentiment Strength Score Lexicon memberikan hasil terbaik dengan nilai Mean Absolute Error sebesar 0,008 dan Predictive R-Square sebesar 0,955. Temuan ini menunjukkan bahwa penggunaan leksikon berbasis intensitas sentimen berkontribusi dalam meningkatkan akurasi deteksi kekuatan sentimen pada ulasan pelanggan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Virgio Kertawijaya, Dava (00000056848)
Contributors:	Sitorus, Budi Berlinton (0327057501)
Keywords:	Analisis sentimen, Bi-LSTM, CNN, Deteksi kekuatan sentimen, LSTM, McDonald's, SSS-Lex, Vader
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:	13 Aug 2026 11:56
URI:	https://kc.umn.ac.id/id/eprint/49345

Actions (login required)

View Item