PENERAPAN DEEP LEARNING PADA PENDETEKSIAN SARKASME MENGENAI KENAIKAN BAHAN PANGAN DI TWITTER

CAHYADI, GALIH DWI (2023) PENERAPAN DEEP LEARNING PADA PENDETEKSIAN SARKASME MENGENAI KENAIKAN BAHAN PANGAN DI TWITTER. Strata 1 thesis, universitas teknokrat.

	Text (full teks) skripsi18311164.pdf - Published Version Restricted to Registered users only Download (2MB) | Request a copy
	Text (abstrak) abstrak18311164.pdf - Published Version Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB I Pendahuluan) b118311164.pdf - Published Version Download (164kB)
	Text (BAB II Tinjauan) b218311164.pdf - Published Version Download (505kB)
	Text (Daftar pustaka) daftar_pustaka18311164.pdf - Bibliography Download (174kB)

Abstract

Sarkasme adalah penggunaan kata-kata pedas untuk menyakiti hati orang lain, berupa cemoohan atau ejekan kasar. Deteksi sarkasme yaitu suatu studi yang melakukan analisis terhadap pendapat masyarakat pada media sosial twitter tentang tweet kenaikan bahan pangan (Sanjaya & Heksaputra, 2020). Data tweet diunduh menggunakan TAGS dengan total data 2430 melalui proses cleaning menjadi 1372 data kemudian dipreprocessing dan pelabelan secara manual menghasilkan data 783 positif, 359 netral dan 230 negatif. Dataset yang digunakan positif dan negatif pada ekstraksi fitur Word Embeddings (Glove) yaitu langkah merepresentasikan kata kemudian di deteksi sarkasme menggunakan metode Long Short Term-Memory (LSTM) melalui 3 gerbang yaitu input gate, forget gate, output gate dan metode Bidirectional Long Short-Term Memory (BiLSTM) struktur nya sama dan ada tambahan backward layer pada langkah prosesnya dan untuk validasi menggunakan Confusion Matrix. Hasil Penelitian nilai akurasi validasi data menggunakan metode (LSTM) akurasi 90.8% dengan hasil tidak sarkas (precision 0.90%, recall 0.45%, F1-Score 0.60%, support 42) dan sarkas (precision 0.91%, recall 0.99%, F1-Score 0.95%, support 232). Validasi data menggunakan metode (BiLSTM) akurasi 87.9% dengan hasil tidak sarkas (precision 0.74%, recall 0.33%, F1-Score 0.46%, support 42) dan sarkas (precision 0.89%, recall 0.98%, F1-Score 0.93%, support 232). Kata Kunci: Tweet, Sarkasme, Glove Embeddings, LSTM, BiLSTM

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Tweet, Sarkasme, Glove Embeddings, LSTM, BiLSTM
Subjects:	SISTEM INFORMASI (S1) > APLIKASI ANDROID SISTEM INFORMASI (S1) > APLIKASI ANDROID
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	19 Oct 2023 02:06
Last Modified:	19 Oct 2023 02:06
URI:	http://repository.teknokrat.ac.id/id/eprint/5040

Actions (login required)

View Item