ANALISIS SENTIMEN TERHADAP LAYANAN INTERNET FIRST MEDIA DI TWITTER DENGAN ALGORITMA DEEP LEARNING STUDI KOMPARASI CONVOLUTIONAL NEURAL NETWORK DAN RECURRENT NEURAL NETWORK

Titania Emaniar, Tania (2023) ANALISIS SENTIMEN TERHADAP LAYANAN INTERNET FIRST MEDIA DI TWITTER DENGAN ALGORITMA DEEP LEARNING STUDI KOMPARASI CONVOLUTIONAL NEURAL NETWORK DAN RECURRENT NEURAL NETWORK. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Internet telah menjadi aspek penting yang tidak terpisahkan dalam kehidupan di era digital saat ini. First Media merupakan salah satu provider Internet yang menyediakan akses Internet dengan kualitas yang baik, namun pengguna First Media tidak signifikan jika dibandingkan dengan provider Internet lain. Oleh karena itu, penelitian ini bertujuan untuk memvalidasi apakah Internet First Media memang memilki kualitas Internet yang baik dengan cara melakukan analisis sentimen terhadap pengguna layanan First Media di Twitter. Metode analisis sentimen digunakan untuk memahami pandangan, perasaan, dan preferensi pelanggan terhadap layanan First Media. Data yang digunakan adalah tweet di Twitter yang berisi ulasan mengenai layanan Internet First Media. Data ini dianalisis menggunakan metode Deep Learning, yaitu Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN), dengan penerapan tiga Feature Extraction yaitu FastText, CBOW, TF-IDF. Hasil klasifikasi menunjukan sentimen yang lebih banyak yaitu data dalam kelas negatif dari pada data positif. Dan evaluasi kinerja model menunjukkan bahwa seluruh percobaan model CNN memiliki hasil yang lebih baik dari RNN. CNN dengan FastText memiliki akurasi 91%, CNN dengan CBOW 93% dan CNN dengan TF-IDF 97%. Sedangkan model RNN dengan FastText 79%, RNN dengan CBOW 77% dan TF-IDF 96%. ----- The internet has become an important and inseparable aspect of life in today's digital era. First Media is an internet provider that provides good quality internet access, but First Media users are not significant when compared to other internet providers. Therefore, this research aims to validate whether First Media Internet does have good internet quality by conducting a sentiment analysis of First Media service users on Twitter. The sentiment analysis method is used to understand the views, feelings, and preferences of customers towards First Media's services. The data used are tweets on Twitter that contain reviews about First Media's internet services. This data was analyzed using Deep Learning methods, namely Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN), with the application of three Feature Extraction, namely FastText, CBOW, and TF-IDF. The classification results show more sentiment, namely data in the negative class than positive data. And the model performance evaluation shows that in all experiments the CNN model has better results than RNN. CNN with FastText has 91% accuracy, CNN with CBOW 93%, and CNN with TF-IDF 97%. While the RNN model with 79% FastText, RNN with 77% CBOW, and 96% TF-IDF.

Baca Full Text klik disini
[img] Text
S_SISTEL_1905725_Title.pdf
Download (294kB)
[img] Text
S_SISTEL_1905725_Chapter1.pdf
Download (107kB)
[img] Text
S_SISTEL_1905725_Chapter2.pdf
Restricted to Staf Perpustakaan
Download (228kB)
[img] Text
S_SISTEL_1905725_Chapter3.pdf
Download (285kB)
[img] Text
S_SISTEL_1905725_Chapter4.pdf
Restricted to Staf Perpustakaan
Download (1MB)
[img] Text
S_SISTEL_1905725_Chapter5.pdf
Download (84kB)
[img] Text
S_SISTEL_1905725_Appendix.pdf
Restricted to Staf Perpustakaan
Download (330kB)
Official URL: http://repository.upi.edu
Item Type: Thesis (S1)
Additional Information: LinK Google Scholar Dosen Pembimbing Dewi Indriati Hadi Putri: https://scholar.google.com/citations?user=c1yqv-UAAAAJ&hl=en Endah Setyowati: https://scholar.google.com/citations?user=oGmhzgoAAAAJ&hl=id&oi=ao ID SINTA Dosen Pembimbing Dewi Indriati Hadi Putri: 6720737 Endah Setyowati: 6681149
Uncontrolled Keywords: Analisis Sentimen, Convolutional Neural Network, Recurrent Neural Network, TF-IDF, FastText, CBOW.
Subjects: L Education > L Education (General)
T Technology > T Technology (General)
Divisions: UPI Kampus Purwakarta > S1 Sistem Telekomunikasi
Depositing User: Titania Emaniar
Date Deposited: 01 Sep 2023 02:30
Last Modified: 01 Sep 2023 02:30
URI: http://repository.upi.edu/id/eprint/101229

Actions (login required)

View Item View Item