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.

[img]
Preview
Text
COVER.pdf

Download (226kB) | Preview
[img]
Preview
Text
ABSTRAK.pdf

Download (249kB) | Preview
[img]
Preview
Text
DAFTAR ISI.pdf

Download (127kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (162kB) | Preview
[img]
Preview
Text
Halaman Pengesahan Pembimbing.pdf

Download (478kB) | Preview
[img] 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
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions: 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 View Item