IMPLEMENTASI LONG-SHORT TERM MEMORY (LSTM) UNTUK KLASIFIKASI EMOSI PADA TWEET @PERSEBAYAUPDATE

NAURI RAHARDIAN, MUCHAMAD GILANG (2025) IMPLEMENTASI LONG-SHORT TERM MEMORY (LSTM) UNTUK KLASIFIKASI EMOSI PADA TWEET @PERSEBAYAUPDATE. Undergraduate thesis, Universitas Nusantara PGRI Nganjuk.

[img] Text (Full text)
RAMA_55201_2113020244.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (6MB) | Request a copy
[img] Text (Similarity)
RAMA_55201_2113020244_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (964kB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_2113020244_0706118101_0708049001_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (1MB)
[img] Text (BAB 2)
RAMA_55201_2113020244_0706118101_0708049001_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (610kB) | Request a copy
[img] Text (BAB 3)
RAMA_55201_2113020244_0706118101_0708049001_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[img] Text (BAB 4)
RAMA_55201_2113020244_0706118101_0708049001_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[img] Text (BAB 5)
RAMA_55201_2113020244_0706118101_0708049001_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (69kB) | Request a copy
[img] Text (References)
RAMA_55201_2113020244_0706118101_0708049001_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (274kB)
[img] Text (Lampiran)
RAMA_55201_2113020244_0706118101_0708049001_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (3MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sentimen komentar pendukung Persebaya Surabaya di media sosial Twitter menggunakan metode Long Short-Term Memory (LSTM). Metode LSTM dipilih karena memiliki kemampuan dalam mengenali urutan kata dan memahami konteks dalam data teks yang tidak terstruktur. Komentar-komentar supporter yang terkadang bersifat emosional dan bervariasi menjadi tantangan tersendiri dalam proses analisis. Sistem ini dikembangkan untuk mengelompokkan komentar ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa model LSTM mampu mengidentifikasi sentimen positif dan negatif dengan nilai recall masing-masing 97% dan 96%. Namun, performa untuk kategori netral masih rendah dengan recall hanya 63%, menunjukkan adanya overfitting akibat ketidakseimbangan data. Akurasi keseluruhan sistem mencapai 89%. Penelitian ini membuktikan bahwa metode LSTM efektif dalam mengklasifikasikan komentar positif dan negatif dari supporter Persebaya namun, sedikit kurang efektif dalam mengklasifikasikan komentar netral dikarenakan adanya overfitting, dari penelitian ini dapat menjadi acuan dalam pengambilan keputusan dan evaluasi klub di masa mendatang.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Analisis Sentimen, Twitter, LSTM
Subjects: 410 Engineering science > 457 Computer engineering
410 Engineering science > 459 Computer science
710 Education science > 786 Informatics engineering
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Muchamad Gilang Nauri Rahardian
Last Modified: 05 Aug 2025 16:11
URI: http://repository.unpkediri.ac.id/id/eprint/19094

Actions (login required)

View Item View Item