Arsitektur Word2vec Terbaik dalam Klasifikasi Sentimen Kenaikan Harga BBM Menggunakan CNN-BiLSTM - Dalam bentuk pengganti sidang - Artikel Jurnal
LIVIA NAURA AQILLA
Informasi Umum
Kode
23.04.6589
Klasifikasi
004 - Data processing, Computer science
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Science
Dilihat
21 kali
Informasi Lainnya
Abstraksi
<p>Kebijakan menaikkan harga BBM sering dilakukan dalam beberapa tahun terakhir, karena ketidakstabilan fluktuasi harga internasional. Penelitian ini menggunakan analisis sentimen untuk mengkaji kenaikan harga BBM dan dampaknya terhadap sentimen masyarakat. Analisis sentimen merupakan metode pengolahan data untuk mendapatkan informasi mengenai suatu isu dengan cara mengenali dan mengekstraksi emosi atau opini dari teks yang ada. Metode yang digunakan adalah Word2vec Continuous Bag of Words (CBOW) dan Skip-gram. Pengujian menggunakan dimensi vektor yang berbeda di setiap arsitektur dan menggunakan hybrid deep learning CNN-BiLSTM yang memiliki kinerja lebih baik pada dataset yang cukup besar untuk kategorisasi sentimen. Hasil penelitian menunjukkan bahwa model CBOW dengan 300 dimensi vektor menghasilkan performa terbaik dengan akurasi 87%, recall 87%, presisi 89%, dan F1 score 88%.</p>
- CII4E4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | LIVIA NAURA AQILLA |
| Jenis | Perorangan |
| Penyunting | Yuliant Sibaroni, Sri Suryani Prasetyowati |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2023 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
