Analisis  Sentimen  Pengguna  Twitter  Terhadap  Metaverse Menggunakan Metode Long Short‐Term Memory dan Word2Vec.

Perdana, Aditya Nugraha and Dr. Dian Eka Ratnawati, S.Si., M.Kom. and Djoko Pramono, S.T., M.Kom. (2024) Analisis  Sentimen  Pengguna  Twitter  Terhadap  Metaverse Menggunakan Metode Long Short‐Term Memory dan Word2Vec. Sarjana thesis, Universitas Brawijaya.

Abstract

Metaverse,  sebagai  fenomena  digital  yang  berkembang  pesat,  telah  menarik  perhatian dan memicu  diskusi  di  kalangan masyarakat.  Penelitian  ini  bertujuan  untuk  mengeksplorasi  Twitter,  platform  media  sosial  yang  populer,  sebagai  sarana  analisis  pandangan  publik  terhadap  metaverse.  Dengan  menerapkan  metode analisis sentimen berbasis deep learning, khususnya metode Long Short‐ Term Memory (LSTM) dan Word2Vec, penelitian ini memproses dan menganalisis  sentimen  dalam  tweet  yang  berkaitan  dengan metaverse.  Fokus  utama  adalah  mengklasifikasikan  tweet  sebagai  positif  atau  negatif  untuk  memberikan  gambaran yang jelas tentang persepsi masyarakat terhadap metaverse. Melalui  pengembangan  model  LSTM,  penelitian  ini mencapai  akurasi  yang  tinggi,  yakni  95%,  dengan  tingkat  precision  97%,  recall  94%,  dan  F1‐score  95%,  yang  menunjukkan  efektivitas  teknik  ini  dalam  mengidentifikasi  dan  menginterpretasikan  sentimen  publik.  Hasil  ini  memberikan  wawasan  penting  mengenai  bagaimana  masyarakat  merespons  perkembangan  teknologi  digital  seperti  metaverse.  Penelitian  ini  tidak  hanya  relevan  untuk  memahami  opini  publik saat ini tetapi juga sebagai panduan bagi pembuat kebijakan dan praktisi  industri  untuk  mengadaptasi  strategi  mereka  dalam  menghadapi  tren  digital  yang  dinamis.  Penelitian  ini  memberikan  landasan  bagi  penelitian  lebih  lanjut  tentang reaksi masyarakat terhadap isu‐isu lainnya.

English Abstract

Metaverse, as a rapidly evolving digital phenomenon, has captured attention and  sparked  widespread  discussion  among  the  public.  This  study  aims  to  explore  Twitter,  a  popular  social  media  platform,  as  a  means  for  analyzing  public  sentiment  towards  the  metaverse.  By  applying  sentiment  analysis  methods  based  on  deep  learning,  particularly  Long  Short‐Term  Memory  (LSTM)  and  Word2Vec techniques, this research processes and analyzes sentiments in tweets  related  to  the metaverse. The  primary  focus  is  to  classify tweets  as  positive  or  negative  to  provide  a  clear  depiction  of  public  perception  towards  the  metaverse.  Through  the  development  of  the  LSTM  model,  this  study  achieves  high  accuracy,  with  a  rate  of  95%,  precision  of  97%,  recall  of  94%,  and  an  F1‐ score of 95%, demonstrating the effectiveness of these techniques in identifying  and interpreting public sentiment. The results offer significant insights into how  the  public  responds  to  the  advancement  of  digital  technologies  like  the  metaverse.  This  research  is  not  only  relevant  for  understanding  current  public  opinion but also serves as a guide for policymakers and industry practitioners to  adapt  their  strategies  in  response  to  dynamic  digital  trends.  Additionally,  this  study  lays  the  groundwork  for  further  research  on  public  reactions  to  other  issues.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150006
Uncontrolled Keywords:	analisis sentimen, twitter, metaverse, LSTM, deep learning, word2vec-sentiment  analysis,  twitter,  metaverse,  LSTM,  deep  learning,   word2vec
Divisions:	Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User:	Sugeng Moelyono
Date Deposited:	02 Feb 2024 08:27
Last Modified:	02 Feb 2024 08:27
URI:	http://repository.ub.ac.id/id/eprint/214182

Text (DALAM MASA EMBARGO) Aditya Nugraha Perdana.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item