Maulidani, Muhammad Wildan (2020) Analisis Sentimen Level Aspek Teks Bahasa Indonesia Pada Media Sosial Menggunakan Hierarchical Attention Position-Aware Network (Studi Kasus : Politik). Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211640000029-Undergraduate_Thesis.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Jumlah pengguna internet penduduk indonesia dari tahun ke tahun semakin meningkat. Pengunaan internet ini sebagian besar digunakan untuk berinteraksi di media sosial. Pengguna media sosial seringkali mengungkapkan pikiran atau pandangannya di media sosial salah satunya dibidang politik. Khususnya pada tahun 2019 ini dimana terjadi pesta demokrasi di Indonesia yaitu diadakannya pemilu . Hal ini membuat banyak bermunculan opini-opini tentang objek politik. Untuk mengetahui pandangan atau penilaian masyarakat terhadap suatu objek politik dapat digunakan analisis sentimen. Umumnya terdapat dua macam sentimen atau opini yang ditulis yaitu sentimen positif dan sentimen negatif. Tetapi perlu diperhatikan juga bahwa dalam satu kalimat opini dapat mengandung berbagai sentimen. Hal ini dikarenakan suatu objek politik dapat memilik berbagai aspek yang juga diberikan pandangan sendiri oleh penulis. Banyaknya jumlah opini yang tidak sesuai dengan kaidah standar akan membuat penarikan kesimpulan sentimen level aspek dari objek menjadi sulit. Sehingga diperlukan sebuah sistem yang mampu melakukan klasisfikasi sentimen level aspek terhadap objek. Klasifikasi sentimen level aspek dilakukan dengan menggunakan metode deep-learning yaitu Recurrent Neural Network dan juga berdasarkan attention. Penelitian sebelumnya melakukan percobaan dengan menggunakan metode Hierarchical Attention Position-aware network yang berdasarkan pada Bi-GRU mencapai hasil yang sangat baik. Teks yang digunakan sebagai input pelatihan model dan diubah menjadi representasi vector menggunakan metode Word Embedding. Kemudian dilakukan evaluasi performa dari model HAPN. Hasil dari penelitian tugas akhir ini adalah didapatkannya hasil klasifikasi sentimen level aspek pada objek politik yang lebih baik. =============================================================================================================================
The number of Indonesian internet users has increased from year to year. Internet is mostly used to interact on social media. Social media users often express their thoughts or views in social media where one of them is political field. Especially in 2019 where a democratic party takes place in Indonesia, namely the holding of elections. This makes a lot of opinions on political objects emerge. To find out the views or assessments of the public about a political object, sentiment analysis can be used. Generally there are two kinds of sentiments or opinions written, namely positive sentiment and negative sentiment. But it should also be noted that in one sentence opinion can contain various sentiments. This is because a political object can have various aspects which are also given their own views by the author. The large number of opinions that are not in accordance with the standard rules will make the conclusion of the sentiment level aspect of the object becomes difficult. So we need a system that capable of classifying sentiment level aspects of objects. Aspect level sentiment classification is done by using deep-learning methods namely Recurrent Neural Network and also based on attention. Previous studies conducted experiments using the Hierarchical Attention Position-aware network (HAPN) method based on Bi-GRU achieved very good results. The text is used as an input training model and is converted to a vector representation using the Word Embedding method. Then evaluate the performance of the HAPN model. The results of this thesis research is to obtain better results from the aspect level sentiment classification on political objects.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSI 004.678 Mau a-1 2020 |
| Uncontrolled Keywords: | Analisis Sentimen Level Aspek, Politik, Media Sosial, Hierarchical Attention Position-aware Network |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > T Technology (General) 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 > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Muhammad Wildan Maulidani |
| Date Deposited: | 22 Jun 2023 07:46 |
| Last Modified: | 30 Aug 2023 02:59 |
| URI: | http://repository.its.ac.id/id/eprint/72929 |
Actions (login required)
 |
View Item |