Kombinasi algoritma convolutional neural network dan long short term memory untuk meningkatkan hasil analisis sentimen

Yusli, Dendi (2020) Kombinasi algoritma convolutional neural network dan long short term memory untuk meningkatkan hasil analisis sentimen. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (50kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (86kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (53kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (101kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (328kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (446kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (473kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (90kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (95kB) | Request a copy

Abstract

Analisis sentimen merupakan sebuah riset secara terkomputasi terhadap opini sentimen dan emosi yang dikemas secara tekstual. Banyak metode yang dapat diterapkan dalam proses analisis sentimen, salah satunya adalah metode deep learning. Penelitian ini dilakukan untuk menerapkan metode deep learning dengan mengkombinasikan algoritma Convolutional Neural Network (CNN) dan algoritma Long Short Time Memory (LSTM) untuk meningkatkan hasil analisis sentimen. Pada penelitian ini telah dilakukan kombinasi algoritma CNN dan algoritma LSTM untuk sentiment analisis terhadap data yang didapat dari twitter. Kemudian dilakukan preprocessing dan pembobotan menggunakan Word2Vec. Nilai rata – rata akurasi algoritma CNN-LSTM yaitu 71.19% dengan akurasi tertinggi yaitu 75.04 %. Berdasarkan perbandingan dengan algoritma CNN dan LSTM, algoritma CNN-LSTM memiliki nilai akurasi lebih tinggi dari dua algoritma tersebut.

Actions (login required)

View Item