Utama, Fauzi Rizky (2022) Analisis sentimen terkait nama Nusantara pada Ibu Kota Baru Indonesia menggunakan algoritma Convolutional Neural Network. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (74kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (136kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (104kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (310kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (146kB) | Request a copy |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (411kB) | Request a copy |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (157kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (146kB) | Request a copy |
Abstract
Perkembangan teknologi dan media informasi yang terjadi saat ini mengakibatkan beberapa perubahan, salah satunya adalah dalam hal penyampaian tanggapan terhadap suatu topik. Saat ini masyarakat banyak menyampaikan dan mengutarakan tanggapan mereka melalui sosial media, salah satunya adalah Twitter. Penelitian ini dilakukan dengan tujuan untuk menganalisa dan mengklasifikasikan tanggapan dari pengguna sosial media Twitter terkait topik nama nusantara pada ibu kota baru Indonesia. Penelitian ini menggunakan metode CRISP-DM untuk pengembangannya dan algoritma Convolutional Neural Network (CNN) untuk klasifikasi data. Data yang digunakan pada penelitian ini berjumlah 4.344 data teks yang kemudian akan digunakan untuk tahap preprocessing, dilanjutkan pada tahap vektorisasi dengan menggunakan fasttext dan diklasifikasikan menggunakan CNN. Algoritma CNN mendapatkan hasil yang baik dengan nilai akurasi sebesar 90%. Berdasarkan hasil analisa, tanggapan atau sentimen positif memiliki jumlah lebih banyak dengan jumlah 1.566 dibandingkan dengan sentimen negatif yang berjumlah 1.459 dan sentimen netral yang berjumlah 1.319.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen; CNN; Deep Learning; |
| Subjects: | Data Processing, Computer Science |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Fauzi Rizky Utama |
| Date Deposited: | 03 Jan 2023 03:15 |
| Last Modified: | 03 Jan 2023 03:15 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/62487 |
Actions (login required)
 |
View Item |
