ANALISIS SENTIMEN TEMPAT WISATA DI YOGYAKARTA MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DENGAN LONG SHORT TERM MEMORY

Harnantyo, Oni - 155410101 (2019) ANALISIS SENTIMEN TEMPAT WISATA DI YOGYAKARTA MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DENGAN LONG SHORT TERM MEMORY. Skripsi thesis, STMIK AKAKOM YOGYAKARTA.

[img]
Preview
Text
1_155410101_HALAMAN_DEPAN.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text
2_155410101_BAB-I.pdf - Published Version

Download (101kB) | Preview
[img]
Preview
Text
3_155410101_BAB_II.pdf - Published Version

Download (291kB) | Preview
[img] Text
4_155410101_BAB_III.pdf - Published Version
Restricted to Repository staff only

Download (226kB) | Request a copy
[img] Text
5_155410101_BAB_IV.pdf - Published Version
Restricted to Repository staff only

Download (360kB) | Request a copy
[img]
Preview
Text
6_155410101_BAB_V.pdf - Published Version

Download (84kB) | Preview
[img]
Preview
Text
7_155410101_DAFTAR_PUSTAKA.pdf - Published Version

Download (102kB) | Preview
[img]
Preview
Text
8_155410101_CARA_MENJALANKAN_PROGRAM.pdf - Published Version

Download (245kB) | Preview
[img] Text
9_155410101_LISTING_PROGRAM .pdf - Published Version
Restricted to Repository staff only

Download (27MB) | Request a copy

Abstract

Media sosial merupakan ruang publik baru untuk menyalurkan pendapat dan gagasan. Media sosial seperti Twitter banyak digunakan untuk memberikan ulasan terhadap tempat wisata terutama di Yogyakarta. Oleh karena itu, peneliti mencoba untuk menganalisa tweet berbahasa Indonesia yang membicarakan tentang beberapa tempat wisata di Yogyakarta. Analisis sentimen dilakukan dengan menggunakan metode Recurrent Neural Network (RNN) dengan Long Short Tern Memory (LSTM). Tweet akan diidentifikasi apakah merupakan sentimen positif, netral, atau negatif. Penelitian ini menggunakan data sebanyak 19.656 tweet yang diperoleh dari hasil crawling. Hasil dari penelitian ini adalah sebuah sistem yang dapat mengklasifikasi sentimen. Tingkat akurasi pelatihan yang didapatkan sebesar 99,31 %. Beberapa kendala dalam proses analisis sentimen adalah data yang berisi kata – kata singkatan dan slang, dan masih sedikit referensi yang membahas penelitian ini. Kata kunci : Analisis Sentimen, Deep Learning, RNN, LSTM, Twitter.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing : Sri Redjeki, S.Si., M.Kom.
Uncontrolled Keywords: Analisis Sentimen, Deep Learning, RNN, LSTM, Twitter.
Subjects: A Karya Umum (General) > Ilmu Komputer (Computer Science) > Pemrograman (Programming)
A Karya Umum (General) > Ilmu Komputer (Computer Science) > Pemrograman (Programming)

A Karya Umum (General) > Ilmu Komputer (Computer Science) > Program Aplikasi
A Karya Umum (General) > Ilmu Komputer (Computer Science) > Program Aplikasi
Divisions: Jenjang Strata Satu > Teknik Informatika (Informatic Engineering)
Depositing User: Users 6081 not found.
Date Deposited: 14 Feb 2019 02:31
Last Modified: 15 Feb 2019 06:09
URI: http://eprints.akakom.ac.id/id/eprint/8264

Actions (login required)

View Item View Item