Rahman, Caraka Muhamad (2023) Smote Dan Bidirectional Long Short-Term Memory Untuk Deteksi Sarkasme Terhadap Politikus Indonesia. Other thesis, Universitas Komputer Indonesia.
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_COVER.pdf - Published Version Download (24kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_LEMBAR PENGESAHAN.pdf - Published Version Download (463kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (350kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (392kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_KATA PENGANTAR.pdf - Published Version Download (71kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_DAFTAR ISI.pdf - Published Version Download (83kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_BAB 1.pdf - Published Version Download (173kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_BAB 2.pdf - Published Version Download (311kB) | Preview |
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_BAB 3.pdf - Published Version Restricted to Repository staff only Download (890kB) | Request a copy |
||
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_BAB 4.pdf - Published Version Restricted to Repository staff only Download (491kB) | Request a copy |
||
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_BAB 5.pdf - Published Version Download (15kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_DAFTAR PUSTAKA.pdf - Published Version Download (80kB) | Preview |
|
|
Text
UNIKOM_CARAKA MUHAMAD RAHMAN_LEMBAR KONTAK PENULIS _ KONTRIBUTOR.pdf - Published Version Download (8kB) | Preview |
Abstract
Perkembangan teknologi informasi telah membawa masyarakat semakin terikat dengan produk-produk berbasis teknologi, termasuk media sosial. Media sosial seperti Twitter menjadi platform utama bagi individu untuk mengekspresikan perasaan dan pendapat mereka. Namun fenomena ini juga membawa dampak negatif seperti peningkatan penggunaan sarkasme atau sindiran dalam suatu konten atau topik. Sarkasme merupakan pemakaian kata- kata pedas guna menyakiti hati orang lain, cemoohan maupun ejekan agresif. Sehingga dari fenomena ini banyak peneliti di bidang Data Science melakukan riset mengenai analisis sentimen untuk mendeteksi sarkasme. Masalah utama yang sering dijumpai ketika akan mengembangkan model untuk analisis sentimen ini adalah jumlah data pada masing-masing kelas yang tidak seimbang(Imbalanced Datasets), yang mana kondisi tersebut dapat mempengaruhi nilai akurasi yang dihasilkan dari model yang dilatih. Oleh karena itu untuk mencoba menghasilkan nilai akurasi yang lebih baik, yang akan dilakukan pada penelitian ini adalah dengan mengkombinasikan metode Bi-LSTM dan SMOTE untuk melakukan Oversampling agar sampel pada kelas minoritas memiliki jumlah yang sama dengan kelas mayoritas pada kasus pendeteksian sarkasme pada komentar masyarakat terhadap politikus di Indonesia pada media sosial twitter. Metode Bi-LSTM digunakan untuk mengklasifikasikan komentar, SMOTE(Synthetic Minority Oversampling Technique) digunakan untuk melakukan Oversampling, sedangkan untuk melakukan feature extraction menggunakan metode GloVe(Global Vectors for Word Representation). Data yang digunakan pada penelitian ini berjumlah 4.002 data. Selain melakukan pengujian terhadap metode Bi-LSTM, metode LSTM dan SVM pun digunakan sebagai algoritma pembanding. Setelah dilakukan eksperimen dan pengujian, hasil pengujian performansi menunjukkan bahwa metode Bi-LSTM + SMOTE terbukti menghasilkan nilai akurasi yang paling tinggi dibandingkan dengan metode LSTM dan SVM.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Analisis Sentimen, Sarkasme, Bi-LSTM, SMOTE, LSTM, SVM |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mia Hayati Kosasih |
Date Deposited: | 05 Oct 2024 06:23 |
Last Modified: | 05 Oct 2024 06:23 |
URI: | http://elibrary.unikom.ac.id/id/eprint/9318 |
Actions (login required)
View Item |