Praditya, Farhan Rizqi and Dr. Ir. Dian Eka Ratnawati, S.Si., M.Kom and Ir. Indriati, S.T., M.Kom (2024) Penerapan Model LSTM Untuk Analisis Sentimen Pendapat Masyarakat Mengenai Resesi Pada Komentar Youtube. Sarjana thesis, Universitas Brawijaya.
Abstract
Penelitian ini mengeksplorasi dampak resesi ekonomi terhadap sentimen masyarakat, dengan fokus khusus pada komentar pengguna YouTube. Penelitian ini menggunakan analisis sentimen menggunakan model klasifikasi Long Short-Term Memory (LSTM). Tujuan penelitian ini adalah mengetahui respon dan kesiapan masyarakat terkait resesi melalui analisis data media sosial. Penelitian ini menggunakan dataset komentar dalam Bahasa Indonesia yang dikumpulkan dari YouTube, dengan menggunakan model LSTM untuk mengklasifikasikan sentimen sebagai positif atau negatif. Tahapan yang digunakan pada penelitian ini yaitu mengscrapping data dari komen youtube setelah itu melakukan pre processing data dan word embedding yang digunakan adalah TF-IDF setelah melakukan word embedding masuk kedalam model LSTM dan mencari akurasi terbik dengan mencoba beberapa hyperparameter. Temuan penelitian menunjukkan bahwa model LSTM mencapai akurasi sebesar 68% pada data latih dan 67% pada data uji. Model LSTM yang optimal, dengan jumlah hiddent unit sebanyak 32, 40 epoch, dan optimizer Adam dengan tingkat learning rate 0,001 serta clipnorm sebesar 0,01, menunjukkan hasil terbaik.
English Abstract
This research explores the impact of economic recession on public sentiment, with a specific focus on user comments on YouTube. The study employs sentiment analysis using a Long Short-Term Memory (LSTM) classification model. The research aims to understand the public response and preparedness regarding a recession through the analysis of social media data. The dataset comprises comments in the Indonesian language collected from YouTube, utilizing an LSTM model to classify sentiments as either positive or negative. The stages employed in this research include scraping data from YouTube comments, followed by data pre-processing. The word embedding utilized is TF-IDF. After the word embedding, the data enters the LSTM model, where various hyperparameters are experimented with to find the optimal accuracy. The research findings indicate that the LSTM model achieves an accuracy of 68% on the training data and 67% on the testing data. The optimal LSTM model, with 32 hidden units, 40 epochs, and the Adam optimizer with a learning rate of 0.001, as well as a clipnorm of 0.01, yields the best results.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150168 |
| Uncontrolled Keywords: | analisis sentimen, LSTM, resesi, deep learning, youtube-Sentiment Analysis, LSTM, Recession, Deep Learning, YouTube |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 27 Feb 2024 07:41 |
| Last Modified: | 27 Feb 2024 07:41 |
| URI: | http://repository.ub.ac.id/id/eprint/216045 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Farhan Rizqi Praditya.pdf Restricted to Registered users only Download (4MB) |
Actions (login required)
 |
View Item |