KLASIFIKASI SENTIMEN TENTANG PEMINDAHAN IBU KOTA NEGARA INDONESIA DENGAN CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN GLOVE DAN FASTTEXT
DOI:
https://doi.org/10.23960/jitet.v12i3.4882Abstract Views: 359 File Views: 312
Abstract
Media sosial kini menjadi tempat untuk berkomunikasi jarak jauh yang marak digunakan. Di dalam media sosial, terdapat berbagai macam opini pengguna yang sering kali terjadi kesalahan penafsiran oleh pembaca. Kadang kala, informasi yang tersebar juga merupakan hoaks sehingga dapat mempersulit pemahaman aktual sentimen yang sesungguhnya ingin disampaikan. Beberapa waktu terakhir, topik pembicaraan mengenai pemindahan ibu kota negara Indonesia sangat banyak tersebar di media sosial. Dilakukannya penelitian ini memiliki tujuan untuk mendapatkan perbandingan hasil antara dua metode ekstraksi fitur yang digunakan. Penelitian ini menerapkan ekstraksi fitur GloVe dan FastText dengan besaran nilai ukuran vektor sebesar 100. Klasifikasi dalam penelitian ini dilakukan dengan algoritma Convolutional Neural Network yang menerapkan beberapa variasi skenario uji, yaitu dengan mengubah nilai batch size dan epoch. Penelitian dilakukan dengan 44957 data komentar YouTube yang besar perbandingannya adalah 70:30 untuk data pelatihan dan data pengujian. Hasil dari dilakukannya percobaan menunjukkan bahwa metode ekstraksi fitur GloVe menghasilkan akurasi yang lebih baik dibandingkan dengan FastText. Hasil akhir didapatkan bahwa implementasi Convolutional Neural Network dengan GloVe menghasilkan rata-rata nilai precision sebesar 74.3%, recall sebesar 73.6%, f1-score sebesar 73.6%, serta accuracy sebesar 76.1%.Downloads
References
S. Budi, "Text Mining Untuk Analisis Sentimen Review Film Menggunakan Algoritma K-Means," Techno.Com: Jurnal Teknologi Informasi, vol. 16, pp. 1-8, 2017.
M. D. D. Sreya and E. B. Setiawan, "Penggunaan Metode GloVe untuk Ekspansi Fitur pada Analisis Sentimen Twitter dengan Naïve Bayes dan Support Vector Machine," e-Proceeding of Engineering, vol. 9, pp. 2008-2015, 2022.
M. M. Kusairi and S. Agustian, "SVM Method with FastText Representation Featurefor Classification of Twitter Sentiments Regarding the Covid-19 Vaccination Program," Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 13, pp. 140-150, 2022.
M. A. Rahman, H. Budianto and E. I. Setiawan, "Aspect Based Sentimen Analysis Opini Publik Pada Instagram dengan Convolutional Neural Network," INSYST: Journal of Intelligent System and Computation, vol. 1, pp. 50-57, 2019.
F. Alfariqi, W. Maharani and J. H. Husen, "Klasifikasi Sentimen pada Twitter dalam Membantu Pemilihan Kandidat Karyawan dengan Menggunakan Convolutional Neural Network dan Fasttext Embeddings," e-Proceeding of Engineering, vol. 7, pp. 8052-8062, 2020.
P. Arsi and R. Waluyo, "ANALISIS SENTIMEN WACANA PEMINDAHAN IBU KOTA INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 8, pp. 147-156, 2021.
A. Deolika, Kusrini and E. T. Luthf, "ANALISIS PEMBOBOTAN KATA PADA KLASIFIKASI TEXT MINING," JurTI: Jurnal Teknologi Informasi, vol. 3, pp. 179-184, 2019.
F. Fathonah and A. Herliana, "Penerapan Text MiningAnalisis Sentimen Mengenai Vaksin Covid -19 Menggunakan Metode Naïve Bayes," Jurnal Sains dan Informatika, vol. 7, pp. 155-164, 2021.
A. Rhamadanti, A. Rifa'i, F. Dikananda and K. Anam, “Analisis Sentimen pada Ulasan Access By Kereta Api Indonesia dengan K-Nearest Neighbor,” JITET (Jurnal Informatika dan Teknik Elektro Teraoan), vol. 12, pp. 775-783, 2024.
D. Alita and A. Rahman, "Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier," Jurnal Komputasi, vol. 8, pp. 50-58, 2020.
C. J. Hutto and E. Gilbert, "VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text," in Proceedings of the International AAAI Conference on Web and Social Media, 2014.
E. M. Dharma, F. L. Gaol, H. L. H. S. Warnars and B. Soewito, "THE ACCURACY COMPARISON AMONG WORD2VEC, GLOVE, AND FASTTEXT TOWARDS CONVOLUTION NEURAL NETWORK (CNN) TEXT CLASSIFICATION," JATIT: Journal of Theoretical and Applied Information Technology, vol. 100, pp. 349-359, 2022.
A. Yusuf, R. C. Wihandika and C. Dewi, "Klasifikasi Emosi Berdasarkan Ciri Wajah Menggunakan Convolutional Neural Network," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, pp. 10595-10604, 2019.
