Analisis Sentimen Berbasis Aspek Terhadap Performa Tim Sepak Bola Indonesia U-17 Menggunakan Long Short-Term Memory (Lstm)

Lesmana, Ilham Ramdhan Putra (2024) Analisis Sentimen Berbasis Aspek Terhadap Performa Tim Sepak Bola Indonesia U-17 Menggunakan Long Short-Term Memory (Lstm). Other thesis, Universitas Komputer Indonesia.

[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_COVER.pdf - Published Version

Download (36kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_LEMBAR PENGESAHAN.pdf - Published Version

Download (254kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_SURAT KETERANGAN PUBLIKASI.pdf - Published Version

Download (186kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version

Download (177kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_KATA PENGANTAR.pdf - Published Version

Download (18kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_DAFTAR ISI.pdf - Published Version

Download (114kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_BAB 1.pdf - Published Version

Download (136kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_BAB 2.pdf - Published Version

Download (499kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_BAB 3.pdf - Published Version
Restricted to Repository staff only

Download (5MB) | Request a copy
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_BAB 4.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_BAB 5.pdf - Published Version

Download (14kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_DAFTAR PUSTAKA.pdf - Published Version

Download (130kB)
[img] Text
UNIKOM_ILHAM RAMDHAN PUTRA LESMANA_LEMBAR KONTAK PENULIS & KONTRIBUTOR.pdf - Published Version

Download (8kB)
Official URL: https://elibrary.unikom.ac.id/

Abstract

Analisis sentimen berbasis aspek merupakan metode penting dalam memahami persepsi publik, terutama terkait performa tim sepak bola Indonesia U-17 yang mengikuti Piala Dunia. Penelitian ini menggunakan model Long Short-Term Memory (LSTM) yang dikombinasikan dengan Word2Vec Continuous Bag of Words (CBOW) untuk klasifikasi aspek dan sentimen dalam teks. Untuk mengatasi ketidakseimbangan data, diterapkan teknik Synthetic Minority Over-sampling Technique (SMOTE). Dua algoritma optimasi, yaitu Adam dan RMSprop, digunakan untuk mengevaluasi performa model. Hasil penelitian menunjukkan bahwa model LSTM dengan optimasi Adam mencapai akurasi klasifikasi aspek terbaik sebesar 45,58%, presisi 34,64%, recall 45,58%, dan F1-score 35,43%. Sedangkan untuk klasifikasi sentimen, dengan menggunakan optimasi RMSprop memberikan akurasi terbaik sebesar 81,63%, presisi 81,42%, recall 81,63%, dan F1-score 81,49%. Hasil ini menunjukkan bahwa pemilihan algoritma optimasi dan penggunaan teknik SMOTE memainkan peran penting dalam menentukan performa model, dengan optimasi RMSprop secara signifikan meningkatkan akurasi dan F1-score untuk klasifikasi sentimen, namun mengakibatkan penurunan akurasi dan F1-score pada klasifikasi aspek.

Item Type: Thesis (Other)
Uncontrolled Keywords: Analisis Sentimen Berbasis Aspek, Klasifikasi Aspek dan Sentimen, Long Short-Term Memory (LSTM), Sepak Bola U-17 Indonesia World Cup 2023.
Subjects: 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data
Q Science > QA Mathematics > QA76 Computer software
Divisions: S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User: Mia Mia Hayati Kosasih
Date Deposited: 01 Sep 2025 08:37
Last Modified: 01 Sep 2025 08:37
URI: http://elibrary.unikom.ac.id/id/eprint/10825

Actions (login required)

View Item View Item