ANALISIS SENTIMEN TERHADAP FILM INDONESIA PADA TWITTER MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Kurniawan, Faizal Aji (2021) ANALISIS SENTIMEN TERHADAP FILM INDONESIA PADA TWITTER MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, UPN "Veteran" Yogyakarta.

Preview	Text COVER.pdf Download (226kB) | Preview
Preview	Text ABSTRAK.pdf Download (249kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (127kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (162kB) | Preview
Preview	Text Halaman Pengesahan Pembimbing.pdf Download (478kB) | Preview
	Text SKRIPSI FULL_Faizal Aji Kurniawan_123160129.pdf Restricted to Repository staff only Download (4MB)

Abstract

Banyaknya opini – opini yang ada dalam media sosial Twitter salah satunya
mengenai film produksi Indonesia seringkali menyulitkan masyarakat untuk menarik
kesimpulan terhadap sebuah film, karena banyaknya opini masyarakat yg berbeda mengenai
film yang diproduksi oleh sutradara Indonesia. Hal tersebut juga seringkali dimanfaatkan
oleh para pengguna untuk mempromosikan produk dagangan mereka melalui hastag yang
berkaitan dengan film Indonesia. Promosi produk yang banyak dilakukan sering kali
menggangu pengguna karena konten yang tidak diperlukan namun secara terus menerus
muncul dan memberikan dampak negatif ke pengguna secara umum dapat dikategorikan
sebagai spam. Maka dari itu perlu adanya analisis sentimen pada twitter terhadap film
khususnya film produksi Indonesia dengan menerapkan sebuah filter untuk mengidentifikasi
tweet tersebut sebuah spam atau bukan spam, agar tidak memperburuk hasil klasifikasi
sentimen tersebut.
Salah satu algoritma klasifikasi teks yang cukup bagus adalah algortima
Convolutional Neural Network (CNN) yang menunjukkan bahwa CNN mempunyai
kelebihan yaitu melakukan pengenalan sentimen pada teks dengan memperhitungkan
sequence kata pada kalimat, tidak seperti metode classical yang tidak memperdulikan urutan
kata. Penelitian ini menggunakan metode CNN arsitektur multi-filter untuk mengurangi
proses tuning parameter dan menggunakan spam filtering untuk membuang ulasan berupa
spam. Penelitian ini menggunakan pengujian confusion matrix dan menggunakan
pendekatan k-fold cross validation dengan perbandingan 80% untuk data latih dan 20%
untuk data uji.
Berdasarkan implementasi dan hasil pengujian yang telah dilakukan didapatkan hasil
bahwa model CNN yang telah dibuat dengan arsitektur multi-kernel dengan ukuran kernel
sebesar (3,4,5) dengan jumlah filter 256 di setiap ukuran filter mendapatkan hasil rata-rata
akurasi sebesar 71,77%, presisi sebesar 74,24% dan recall sebesar 70,07%. Ini membuktikan
bahwa model CNN yang dibuat dengan multi-kernel lebih baik jika dibandingkan dengan
model CNN yang dibuat tanpa arsitektur multi-kernel yang mendapatkan hasil rata-rata
akurasi 65,05%, presisi 64,55%, recall 62,91%. Kemudian dilakukan proses spam filtering
sebelum dilakukan proses klasifikasi sentimen dengan model CNN dan mendapatkan
peningkatan hasil menjadi rata-rata akurasi sebesar 75,40%, presisi sebesar 74,84% dan
recall sebesar 71,97%. Hal ini membuktikan bahwa penggunaan spam filtering sebelum
dilakukan proses klasisifikasi sentimen berhasil meningkatkan akurasi sebesar 3.78%.
Kata Kunci: ulasan film twitter, analisis sentimen, CNN

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	ulasan film twitter, analisis sentimen, CNN
Subjek:	Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Eny Suparny
Date Deposited:	16 Jun 2021 02:33
Last Modified:	16 Jun 2021 02:33
URI:	http://eprints.upnyk.ac.id/id/eprint/25857

Actions (login required)

View Item