Analisis Sentimen Media Sosial Untuk Teks Berbahasa Indonesia Menggunakan Algoritma CNN (Convolutional Neural Network) (Studi Kasus: Politik)

Wianto, Prasetyo Wahyu Adi (2018) Analisis Sentimen Media Sosial Untuk Teks Berbahasa Indonesia Menggunakan Algoritma CNN (Convolutional Neural Network) (Studi Kasus: Politik). Undergraduate thesis, InstitutTeknologiSepuluhNopember.

[img] Text
5214100030-Undergraduate-Theses.pdf - Published Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Hampir setengah pengguna internet di Indonesia adalah penggiat media sosial, di mana 85% di antaranya mengakses media sosial melalui perangkat seluler. Media sosial akan memberikan pengaruh besar terhadap masyarakat dalam berbagai aspek khususnya aspek politik. Semakin berkembangnya media sosial untuk kegiatan maupun sarana politik, membuka peluang pada akses informasi yang didapatkan terutama opini publik terhadap objek politik. Salah satu metode yang dapat digunakan untuk mengetahui tingkat penilaian publik terhadap objek politik adalah analisis sentimen. Klasifikasi sentimen media sosial dengan tingkat keberagaman bahasa yang cukup variatif dilakukan dengan menggunakan metode Convolutional Neural Network (CNN). Penelitian sebelumnya melakukan percobaan pada tugas klasifikasi teks menggunakan CNN (Convolutional Neural Network) dan mencapai hasil yang sangat baik. Teks yang digunakan sebagai input pelatihan model CNN diubah menjadi representasi vektor kata menggunakan word2vec dan fasttext sebagai pembanding. Tugas klasifikasi sentimen terdiri dari 3 subtask dengan perbedaan jumlah kelas yang digunakan. Berdasarkan hasil eksperimen pelatihan yang dilakukan, akurasi paling baik yang didapat pada subtask A 0.833, subtask B 0.709, dan subtask C 0.658. Kemudian performa klasifikasi teks oleh model CNN lebih unggul dibandingkan dengan SVM, dan naive bayes pada setiap subtask. ============= Nearly half of internet users in Indonesia are social media activists, with 85% of them accessing social media via mobile devices. Social media will give a big influence on society in various aspect, especially the political aspect. Increasingly, the development of social media for political activities and facilities opens opportunities for access to information obtained, especially public opinion on political objects. One method that can be used to determine the level of public assessment of political objects is the analysis of sentiment. The classification of social media sentiment with varying levels of language diversity is done using the Convolutional Neural Network (CNN) method. Previous research experimented on text classification tasks using CNN (Convolutional Neural Network) and achieved excellent results. The text used as a CNN model training input is converted to a word vector representation using word2vec and fasttext as a comparison. The sentence classification task consists of 3 subtasks with a different number of classes used. Based on the results of the training experiments conducted, the best accuracy obtained in subtask A 0.833, subtask B 0.709, and subtask C 0.658. Then the text classification performance by the CNN model is superior to the SVM, and the Naive Bayes on each subtask.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Analisis Sentimen, Politik, Media Sosial, Deep Learning, Convolutional Neural Network, Word Embedding, Word2Vec
Subjects: T Technology > T Technology (General) > T57.5 Data Processing
T Technology > T Technology (General) > T58.62 Decision support systems
Divisions: Faculty of Information and Communication Technology > Information Systems > (S1) Undergraduate Theses
Depositing User: Prasetyo Wahyu Adi
Date Deposited: 25 Sep 2018 03:28
Last Modified: 25 Sep 2018 03:28
URI: http://repository.its.ac.id/id/eprint/52593

Actions (login required)

View Item View Item