Hurohman, Bagus Miftaq (2020) ANALISIS SENTIMEN TANGGAPAN MASYARAKAT TERHADAP EFEK NEW NORMAL PADA TWITTER DENGAN METODE LONG SHORT TERM MEMORY. Strata 1 thesis, Universitas Teknokrat Indonesia.
![[img]](http://repository.teknokrat.ac.id/style/images/fileicons/text.png) |
Text (Full Skripsi)
skripsi16312288.pdf - Published Version Restricted to Registered users only Download (2MB) | Request a copy |
|
Text (Abstrak)
abstrak16312288.pdf - Published Version Download (71kB) |
|
Text (Bab I-Pendahuluan)
b116312288.pdf - Published Version Download (115kB) |
|
Text (Bab II - Landasan Teori)
b216312288.pdf - Published Version Download (276kB) |
|
Text (Daftar Pustaka)
daftar_pustaka16312288.pdf - Bibliography Download (74kB) |
Abstract
New Normal merupakan sebuah sebutan bagi kebijakan pemerintah untuk mengizinkan masyarakatnya melakukan aktifitas seperti biasa di tengah pandemi Covid-19 yang sedang melanda dengan tetap memperhatikan protokol kesehatan. Kebijakan ini menimbulkan berbagai tanggapan dari masyarakat terutama di media sosial twitter. Diperlukan proses analisis sentimen untuk melakukan pemrosesan terhadap teks yang didapat dari twitter. Analisis sentimen adalah bentuk representasi dari text mining dan text processing. Metode yang digunakan dalam analisis sentimen pada penelitian ini adalah Long Short Therm Memory. Analisis ini dilakukan untuk mengetahui tingkat akurasi dari metode yang digunakan. Metode LSTM dibandingkan dengan metode Naïve Bayes. Metode LSTM dalam penelitian ini akan dilengkapi dengan ekstraksi fitur word2vec. Hasil yang diperoleh dari penelitian ini menghasilkan tingkat akurasi LSTM sebesar 83.33%, recall 83.33%, presisi 83.33%, dan f-meisure 83.31%. Pada Naïve Bayes dihasilkan akurasi sebesar 82%, recall 82%, presisi 82%, dan f-meisure 82%. Dapat disimpulkan bahwa metode LSTM memiliki akurasi yang lebih baik dibandingkan metode Naïve Bayes dalam analisis sentimen tanggapan masyarakat terhadap kebijakan new normal pada twitter.
| Item Type: | Thesis (Strata 1) |
|---|---|
| Uncontrolled Keywords: | Analisis sentiment, LSTM, naïve bayes, new normal, dan word2vec. |
| Subjects: | SISTEM INFORMASI (S1) > APLIKASI ANDROID SISTEM INFORMASI (S1) > APLIKASI ANDROID |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > S1 Informatika |
| Depositing User: | Asep Haikal Kurniawan S.IP., M.A |
| Date Deposited: | 04 Feb 2022 09:27 |
| Last Modified: | 04 Feb 2022 09:27 |
| URI: | http://repository.teknokrat.ac.id/id/eprint/3393 |
Actions (login required)
 |
View Item |
