Analisis sentimen terhadap penggunaan operator telekomunikasi pada media sosial Twitter menggunakan metode Deep Learning

Amalia, Zafiratul (2020) Analisis sentimen terhadap penggunaan operator telekomunikasi pada media sosial Twitter menggunakan metode Deep Learning. Diploma thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (489kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (468kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (471kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (555kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (660kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (668kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (935kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (467kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (539kB) | Request a copy

Abstract

Teknologi telekomunikasi seluler terus berkembang, dari mulai 1G, 2G, 3G, dan saat ini memasuki era 4G. Beberapa perusahaan sudah bersiap untuk memasuki era 5G. Dengan berkembangnya waktu, industri telekomunikasi berbasis GSM menempati tiga nama besar diantaranya: Telkomsel, XL, dan Indosat. Masa pandemic Covid-19 membuat aktifitas yang dilakukan diluar rumah menjadi dilakukan secara online. Masyarakat mengharapkan jaringan internet dapat berjalan dengan lancar. Namun kenyataannya tidak seperti yang diharapkan, karena masih sering terjadi banyak jaringan mengalami gangguan internet yang lamban. Media sosial twitter menjadikan tempat masyarakat mengeluarkan opininya. Banyak opini yang sudah tersampaikan kepada pihak operator telekomunikasi seluler. Opini yang dikeluarkan banyak mengandung sentiment negatif tetapi, tidak sedikit pula operator yang memunculkan berbagai promo sehingga beberapa opini yang mengandung sentiment positif. Penelitian ini dilakukan untuk mengetahui optimalisasi algoritma Convolutional Neural Network (CNN) untuk mengklasifikasikan teks dengan data yang diperoleh dari twitter setelah itu, dilakukan preprocessing dan pembobotan Word2Vec. Confussion matrix digunakan untuk menilai kinerja dari algoritma CNN. Pengujian dilakukan dengan pembagian antara data training dan data testing sebanyak 5 kali dengan epoch 10 yang menghasilkan rata-rata nilai akurasi sebesar 86,22%. Dari hasil penelitian menunjukan bahwa gangguan pada operator telekomunikasi seluler memberikan banyak sentiment. Terbukti dari 60% data yang diperoleh mengandung sentiment negatif.

Actions (login required)

View Item