ANALISIS SENTIMEN TEMPAT WISATA DI YOGYAKARTA
MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DENGAN LONG SHORT TERM MEMORY
Total View This Week8
Total View This Week8
Institusion
STMIK Akakom
Author
Harnantyo, Oni - 155410101
Subject
Pemrograman (Programming)
Datestamp
2019-02-15 06:09:50
Abstract :
Media sosial merupakan ruang publik baru untuk menyalurkan pendapat dan gagasan. Media sosial seperti Twitter banyak digunakan untuk memberikan ulasan terhadap tempat wisata terutama di Yogyakarta. Oleh karena itu, peneliti mencoba untuk menganalisa tweet berbahasa Indonesia yang membicarakan tentang beberapa tempat wisata di Yogyakarta. Analisis sentimen dilakukan dengan menggunakan metode Recurrent Neural Network (RNN) dengan Long Short Tern Memory (LSTM). Tweet akan diidentifikasi apakah merupakan sentimen positif, netral, atau negatif. Penelitian ini menggunakan data sebanyak 19.656 tweet yang diperoleh dari hasil crawling. Hasil dari penelitian ini adalah sebuah sistem yang dapat mengklasifikasi sentimen. Tingkat akurasi pelatihan yang didapatkan sebesar 99,31 %. Beberapa kendala dalam proses analisis sentimen adalah data yang berisi kata – kata singkatan dan slang, dan masih sedikit referensi yang membahas penelitian ini. Kata kunci : Analisis Sentimen, Deep Learning, RNN, LSTM, Twitter.
Media sosial merupakan ruang publik baru untuk menyalurkan pendapat dan gagasan. Media sosial seperti Twitter banyak digunakan untuk memberikan ulasan terhadap tempat wisata terutama di Yogyakarta. Oleh karena itu, peneliti mencoba untuk menganalisa tweet berbahasa Indonesia yang membicarakan tentang beberapa tempat wisata di Yogyakarta. Analisis sentimen dilakukan dengan menggunakan metode Recurrent Neural Network (RNN) dengan Long Short Tern Memory (LSTM). Tweet akan diidentifikasi apakah merupakan sentimen positif, netral, atau negatif. Penelitian ini menggunakan data sebanyak 19.656 tweet yang diperoleh dari hasil crawling. Hasil dari penelitian ini adalah sebuah sistem yang dapat mengklasifikasi sentimen. Tingkat akurasi pelatihan yang didapatkan sebesar 99,31 %. Beberapa kendala dalam proses analisis sentimen adalah data yang berisi kata – kata singkatan dan slang, dan masih sedikit referensi yang membahas penelitian ini. Kata kunci : Analisis Sentimen, Deep Learning, RNN, LSTM, Twitter.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
