Analisis dan Klasifikasi Emosi Tweet Menggunakan Metode Convolutional Neural Network (Studi Kasus: Ulasan Smartphone)

Kristiono, Cita Engedi (2021) Analisis dan Klasifikasi Emosi Tweet Menggunakan Metode Convolutional Neural Network (Studi Kasus: Ulasan Smartphone). Undergraduate thesis, Sepuluh Nopember Institute of Technology.

Text 05211740000102-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy

Abstract

Smartphone dan media sosial telah menjadi bagian besar dalam kehidupan masyarakat Indonesia dalam mengekpresikan pendapat dan emosi. Di Indonesia, Twitter menjadi salah satu yang paling banyak digunakan. Banyaknya pengguna Twitter menjadikan situs tersebut sebagai sarana pengiklanan produk yang menjanjikan. Berbagai strategi untuk mengiklankan produk telah dilakikan beragam merek smartphone. Para pengguna Twitter juga turut beramai-ramai mengungkapkan pendapat mengenai produk smartphone yang diiklankan. Untuk mengevaluasi feedback yang diterima, perusahaan umumnya melakukan analisis sentimen
terhadap tweet mengenai produk mereka. Namun demikian,
analisis emosi mulai digunakan untuk menunjukkan emosi yang lebih spesifik. Oleh karena itu penelitian ini bertujuan untuk melakukan klasifikasi sentimen, aspek, dan emosi untuk membantu pengolahan data pendapat pelanggan yang beragam. Metode yang digunakan untuk melakukan analisis adalah Convolutional Neural Network. Metode ini menggunakan matriks convolution pada setidaknya satu lapisannya. Hasil eksperimen selanjutnya
divisualisaskinan untuk mempermudah analisis yang akan
dilakukan. Eksperimen yang dilakukan membuktikan model CNN menghasilkan hasil akurasi yang berbeda untuk setiap kategori pelabelan. Akurasi didapatkan berdasarkan jumlah prediksi benar oleh model CNN. Berdasarkan eksperimen yang telah dilaksanakan, model CNN memberikan hasil akurasi klasifikasi sebesar 52.73% untuk data berlabel sentimen, 35.43% untuk data berlabel emosi, dan 54.72% untuk data berlabel aspek.
========================================================================================================
Smartphone and social media has become a big part in our society
in terms of expressing emotion and opinion. In Indonesua, Twitter
is one of the leading social media with millions of users across the
country. The big amount of users has made Twitter become a
promising marketing and advertising tool. Many strategies to
promote their products has been made by various smartphone
brands. Twitter users eagerly joins in voicing their opinions about
each of the brands. To evaluate these feedbacks, a company usually
needs to perform sentiment analysis to opinions about their
products. However, company began to specify sentiment analysis
into emotion analysis to show more specified emotions. Therefore,
this thesis has a purpose to perform emotion, aspect, and sentiment
analysis to help with data processing. The experiment will be
conducted by using Convolutional Neural Network. This algorithm
uses hidden convolutional layers as at least one of the layers. The
next step after conducting experiment is visualizing the experiment
result to make analysis easier. Based on this experiment, the CNN
model gave us a varying accuracy number on different labelling
categories. Accuracy is calculated by the number of correct
predictions by the model. Based on the experiment, the
classification accuracy of sentiment labelling is 52.73%, 35.43%
on emotion labelling, and 54.72% on aspect labelling.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Pengolahan Bahasa Alami, Smartphone, Tweet, Analisis Emosi, Klasifikasi, Aspect Level Sentiment Analysis, Politics, Social Media, Hierarchical Attention Position-aware Network
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T385 Visualization--Technique T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Cita Engedi Kristiono
Date Deposited:	22 Aug 2021 02:49
Last Modified:	22 Aug 2021 02:49
URI:	http://repository.its.ac.id/id/eprint/88358

Actions (login required)

View Item