ANALISIS PERBANDINGAN LABELING DARI LEXICON BASED DAN LIBRARY TEXTBLOB PADA ALGORITMA LONG-SHORT TERM MEMORY TERHADAP ANALISIS SENTIMEN KOMENTAR YOUTUBE MENGENAI PENERAPAN 5G DI INDONESIA

Prihantoro Tri Nugroho, - (2023) ANALISIS PERBANDINGAN LABELING DARI LEXICON BASED DAN LIBRARY TEXTBLOB PADA ALGORITMA LONG-SHORT TERM MEMORY TERHADAP ANALISIS SENTIMEN KOMENTAR YOUTUBE MENGENAI PENERAPAN 5G DI INDONESIA. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_SISTEL_1905856_Title.pdf Download (296kB)
	Text S_SISTEL_1905856_Chapter1.pdf Download (150kB)
	Text S_SISTEL_1905856_Chapter2.pdf Restricted to Staf Perpustakaan Download (318kB)
	Text S_SISTEL_1905856_Chapter3.pdf Download (149kB)
	Text S_SISTEL_1905856_Chapter4.pdf Restricted to Staf Perpustakaan Download (558kB)
	Text S_SISTEL_1905856_Chapter5.pdf Download (71kB)
	Text S_SISTEL_1905856_Appendix.pdf Restricted to Staf Perpustakaan Download (797kB)

Abstract

Media sosial seperti Youtube merupakan media yang seringkali dipakai oleh masyarakat untuk mengemukakan opini serta pendapat mereka mengenai berbagai hal, salah satunya ialah perkembangan 5G di Indonesia. Masyarakat dapat menuliskan opini mereka melalui salah satu fitur yang ada di Youtube yaitu kolom komentar. Namun, semakin banyak dan beragam isi komentar maka semakin sulit apabila ingin menarik kesimpulan dari opini-opini tersebut, maka diperlukan sebuah sistem yang dapat melakukan hal itu, yaitu analisis sentimen. Analisis sentimen adalah sebuah sistem yang dapat menganalisa dokumen teks, lalu mengelompokkannya ke dalam beberapa sentimen seperti positif atau negatif. Dengan melakukan analisis sentimen, masyarakat akan mendapatkan infromasi-informasi yang baru dan dapat diolah agar menghasilkan informasi yang bermanfaat. Penelitian ini terdiri dari beberapa tahapan sebelum menghasilkan sebuah sistem yang dapat menganalisis sentimen komentar Youtube yang berhubungan dengan perkembangan 5G di Indonesia. Tahap-tahap yang dilakukan adalah scraping data komentar, lalu preprocessing dimulai dari case folding, cleansing, normalisasi, dan filtering/stopword. Selanjutnya dilanjutkan proses labeling menggunakan dua metode yaitu Library Textblob dan Lexicon Based. Kemudian data di split dan di klasifikasikan menggunakan algoritma Long-Short Term Memory (LSTM). Hasil akhir dari kedua labeling didapatkan sentimen negatif yang lebih dominan dibandingkan dengan sentimen positif serta didapatkan nilai akurasi menggunakan labeling dari lexicon menghasilkan nilai akurasi yang lebih besar yaitu 86,4% dibandingkan dengan labeling yang menggunakan library textblob yang menghasilkan nilai akurasi sebesar 79,5%. ----- Social media such as Youtube is the media that is often used by the public to express their opinions and opinions on various matters, one of which is the development of 5G in Indonesia. The public can write their opinions through one of the features on Youtube, namely the comments column. However, the more and more varied the contents of comments, the more difficult it is to draw conclusions, so a system is needed that can do that, namely sentiment analysis. Sentiment analysis is a system that can analyze text documents, then group them into several sentiments such as positive or negative. By conducting sentiment analysis, the public will get new information and can be processed to produce useful information. This research consists of several stages before producing a system that can analyze the sentiment of Youtube comments related to the development of 5G in Indonesia. The steps taken are scraping comment data, preprocessing starting from case folding, cleansing, normalization, and filtering/sopword. Then proceed with the labeling process using two methods, namely Textblob Library and Lexicon Based. Then the data is split and classified using the Long-Short Term Memory (LSTM) algorithm. The final result of both labeling is negative sentiment which is more dominant than positive sentiment and the accuracy value obtained using labeling from lexicon produces a greater accuracy value of 86.4% compared to labeling using the textblob library which produces an accuracy value of 79.5%.

Item Type:	Thesis (S1)
Additional Information:	Link Google Scholar : Hafiyyan Putra Pratama : https://scholar.google.com/citations?user=tQe1410AAAAJ&hl=id&oi=ao Ahmad Fauzi : https://scholar.google.com/citations?hl=id&user=b6BGJbEAAAAJ ID SINTA Dosen Pembimbing : Hafiyyan Putra Pratama : 6681148 Ahmad Fauzi : 6122861
Uncontrolled Keywords:	Analisis Sentimen, LSTM, Lexicon Based, Library Textblob.
Subjects:	L Education > L Education (General) T Technology > T Technology (General)
Divisions:	UPI Kampus Purwakarta > S1 Sistem Telekomunikasi
Depositing User:	Prihantoro Tri Nugroho
Date Deposited:	30 Aug 2023 02:46
Last Modified:	30 Aug 2023 02:46
URI:	http://repository.upi.edu/id/eprint/100066

Actions (login required)

View Item