Komalasari, Ade Intan (2024) Analisis sentimen opini masyarakat terhadap tindakan operasi plastik pada media sosial Instagram menggunakan algoritma Convolutional Neural Network. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_Cover.pdf Download (65kB) | Preview |
|
|
Text (ABSTRAK)
2_Abstrak.pdf Download (122kB) | Preview |
|
|
Text (DAFTAR ISI)
3_Daftar Isi.pdf Download (120kB) | Preview |
|
|
Text (BAB I)
4_Bab1.pdf Download (253kB) | Preview |
|
Text (BAB II)
5_Bab2.pdf Restricted to Registered users only Download (268kB) |
||
Text (BAB III)
6_Bab3.pdf Restricted to Registered users only Download (4MB) |
||
Text (BAB IV)
7_Bab4.pdf Restricted to Registered users only Download (425kB) |
||
Text (BAB V)
8_Bab5.pdf Restricted to Registered users only Download (57kB) |
||
Text (DAFTAR PUSTAKA)
9_Daftar Pustaka.pdf Restricted to Registered users only Download (131kB) |
Abstract
Operasi plastik adalah cara memperbaiki kondisi fisik seseorang agar dapat berfungsi secara maksimal. Operasi plastik menjadi topik yang ramai dibicarakan saat ini. Karena topik ini mendapat banyak perhatian publik, banyak orang dengan berbagai pendapatnya berpendapat mengenai isu operasi plastik. Banyak sekali opini yang disampaikan oleh masyarakat melalui sosial media, salah satunya melalui Instagram. Penelitian ini dilakukan untuk menganalisis respon masyarakat, baik itu respon positif maupun negatif. Agar proses klasifikasinya maksimal, maka digunakan algoritma convolutional neural network. Data yang digunakan adalah 1008 data komentar Instagram. Hasil pengujian yang dilakukan menggunakan algoritma Convolutional Neural Network menunjukan 71% untuk nilai akurasinya.
Item Type: | Thesis (Sarjana) |
---|---|
Uncontrolled Keywords: | Analisis sentimen; Convolutional Neural Network |
Subjects: | Special Computer Methods Special Computer Methods > Artificial Intelligence |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
Depositing User: | Ade Intan Komalasari |
Date Deposited: | 10 Sep 2024 06:40 |
Last Modified: | 10 Sep 2024 06:40 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/97681 |
Actions (login required)
View Item |