Analisis Sentimen Berbasis Aspek Pada Twitter Menggunakan Metode Bidirectional Long Short-Term Memory - Dalam bentuk pengganti sidang - Artikel Jurnal

RIZKI ANNAS SHOLEHAT

Informasi Umum

Kode

23.04.2661

Klasifikasi

004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science, Data Processing,

Dilihat

460 kali

Informasi Lainnya

Abstraksi

<p>Twitter sebagai salah satu media sosial dengan user terbanyak di dunia seringkali digunakan sebagai media untuk berbagi opini yang dapat bersifat positif maupun negatif. Ulasan film yang mengandung banyak penjelasan kompleks dan penilaian akan sulit diklasifikasi. Maka dari itu diperlukan proses analisis sentimen berdasarkan aspek untuk menganalisis polaritas opini ulasan film berdasarkan aspek yang telah ditentukan. Penelitian ini dilakukan untuk menganalisis polaritas opini ulasan film berdasarkan aspek menggunakan metode Bidirectional Long Short-Term Memory dan ekstraksi fitur GloVe. Penelitian ini menggunakan aspek plot, akting dan direktor dengan total dataset sebanyak 17.247 data. Bidirectional Long Short-Term Memory terbukti menciptakan hasil yang relevan dan akurat untuk proses analisis sentimen dengan nilai akurasi terbesar sebesar 56,29% pada aspek plot, 87,07% pada aspek akting, dan 85,55% pada aspek direktor. Ditambah ekstraksi fitur dengan TF-IDF, ekpansi fitur dengan GloVe dan teknik Over-Sampling dengan SMOTE terbukti mampu meningkatkan nilai kinerja penelitian ini hingga 13,57% pada aspek plot, 4,16% pada aspek akting, dan 10,48% pada aspek direktor.</p>