Juwita, Magrid Prisca (2019) Klasifikasi Sentimen Aspek Level Operator Telekomunikasi pada Twitter Menggunakan Multi Grained Attention Network. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211540000124_Undergraduate_Theses.pdf Download (2MB) | Preview |
Abstract
Sosial media merupakan suatu hal yang sulit untuk terlepas dalam setiap kegiatan sehari hari di era modern ini, salah satu sosial media tersebut adalah Twitter. Setiap orang dapat memberikan pendapat atau komentarnya secara bebas di Twitter. Pendapat atau penilaian terhadap suatu objek disebut sentimen. Dalam melakukan analisis sentimen aspek level terdapat dua pengelompokan, yaitu aspek berdasarkan kategori dan aspek berdasarkan terms. Pendapat yang disampaikan melalui sosial media dimanfaatkan oleh perusahaan untuk mengetahui pendapat masyarakat terhadap produk atau jasa miliknya. Saat ini industri telekomunikasi semakin berkembang dan sangat dibutuhkan oleh masyarakat Indonesia yang memiliki sifat konsumtif terhadap penggunaan handphone dan gadget yang membutuhkan koneksi internet. Hal itu menyebabkan banyaknya pendapat dan komentar terhadap operator telekomunikasi di sosial media Twitter. Dalam menerapkan analisis sentimen berdasarkan aspek level dibutuhkan algoritma untuk dapat melakukan klasifikasi teks. Pada penelitian ini akan digunakan metode Attention Network untuk melakukan klasifikasi sentimen aspek level berbahasa indonesia menggunakan data dari Twitter. Mekanisme attention dalam Neural Network berfungsi untuk mengarahkan persepsi serta mengakses memori. Attention akan melihat dari memori yang sebelumnya telah disimpan maupun yang baru saja didapatkan. Attention yang akan digunakan memiliki dua tahap yaitu coarse-grained attention dan fine-grained attention, kedua tahap tersebut digabungkan sehingga menjadi Multi Grained Attention Network (MGAN). MGAN membutuhkan input yang berupa vektor untuk dapak melakukan training data yang menghasilkan sebuah model. Sehingga untuk mendapatkan input berupa vektor maka akan dibutuhkan library word2vec.
Selain menggunakan MGAN, pada penelitian ini juga menggunakan algoritma Long Short Term Memory (LSTM). LSTM merupakan sebuah algoritma yang akan melakukan klasifikasi dengan menggunakan aspek-aspek yang telah disimpan dan akan membuang aspek yang tidak digunakan. Algoritma ini digunakan untuk membandingkan hasil model yang didapatkan MGAN dengan model LSTM. Data yang digunakan berjumlah 2000 tweet, dengan pembagian 20% data test dan 80% data train. Masing masing tweet dibeikan label dengan 4 jenis pembagian label sentimen yaitu negatif, netral, positif dan konflik. Akurasi test terbaik menggunakan model MGAN adalah 78%. Sedangkan akurasi test terbaik menggunakan model LSTM yaitu 76%.
=================================================================================================================================
Social media is a difficult thing to get rid of in every day's activities in this modern era, one of these social media is Twitter. Everyone can give their opinions or comments freely on Twitter. Opinion or judgment of an object is called sentiment. In conducting aspect level sentiment analysis there are two groupings, namely aspects based on categories and aspects based on terms. Opinions conveyed through social media are used by companies to find out people's opinions on their products or services. Currently the telecommunications industry is growing and is needed by Indonesian people who have consumptive nature towards the use of mobile phones and gadgets that require internet connections. It caused many opinions and comments on telecommunications operators on social media Twitter. In applying sentiment analysis based on the aspect level, an algorithm is needed to be able to classify text. In this study, the Attention Network method will be used to classify aspects of Indonesian language sentiment using data from Twitter. The mechanism of attention in the Neural Network serves to direct perception and access memory. Attention will see from memory that has been previously saved as well as the one just obtained. Attention that will be used has two stages, namely coarse-grained attention and fine-grained attention, these two stages are combined to become a Multi Grained Attention Network (MGAN). MGAN requires vector input for training to do data training that produces a model. So to get a vector input, the word2vec library will be needed. In addition to using MGAN, this study also uses the Long Short Term Memory (LSTM) algorithm. LSTM is an algorithm that will classify using saved aspects and forget the unused aspects. This algorithm is used to compare the results of the model obtained by MGAN with the LSTM model. The data used amounted to 2000 tweets, with a share of 20% test data and 80% data train. Each tweet is labeled with 4 types of sentiment labeling namely negative, neutral, positive and conflict. The best test accuracy using the MGAN model is 78%. While the best test accuracy using the LSTM model is 76%.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSI 006.312 Juw k-1 2019 |
| Uncontrolled Keywords: | Analisis sentimen, aspek level, Twitter, telekomunikasi, Attention Network, Coarse-grained, Fine-grained, word2vec |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Magrid Prisca Juwita |
| Date Deposited: | 26 Sep 2024 03:19 |
| Last Modified: | 26 Sep 2024 03:19 |
| URI: | http://repository.its.ac.id/id/eprint/64399 |
Actions (login required)
 |
View Item |