Maulana, Yoga (2022) ANALISIS SENTIMEN PENGGUNA APLIKASI PEDULILINDUNGI PADA TWITTER MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION. Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (COVER)
18081010075_Cover.pdf Download (520kB) | Preview |
|
|
Text (BAB 1)
18081010075_BAB1.pdf Download (59kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB 2)
18081010075_BAB2.pdf Restricted to Registered users only until 2025. Download (544kB) |
|
|
Text (BAB 3)
18081010075_BAB3.pdf Restricted to Registered users only until 2025. Download (243kB) |
|
|
Text (BAB 4)
18081010075_BAB4.pdf Restricted to Registered users only until 2025. Download (744kB) |
|
|
Text (BAB 5)
18081010075_BAB5.pdf Download (52kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
18081010075_DaftarPustaka.pdf Download (185kB) | Preview |
Abstract
Kemajuan teknologi telah memudahkan banyak orang untuk mengungkapkan pendapatnya dalam bentuk opini dan tanggapan terhadap suatu permasalahan di media sosial, salah satu media sosial yang sering digunakan adalah twitter. Dengan adanya twitter, masyarakat Indonesia bisa dengan bebas mengemukakan opini dan tanggapan mereka, tanpa terkecuali tentang penggunaan sebuah aplikasi. Penggunaan aplikasi PeduliLindungi sangat berpengaruh pada era pandemi COVID-19, oleh karena itu dilakukan analisis sentimen untuk menganalisis opini, tanggapan, dan penilaian terhadap penggunaan aplikasi tersebut. Dalam penelitian ini metode yang diimplementasikan dalam melakukan analisis sentimen adalah Convolutional Neural Network (CNN) yang dioptimasi dengan algoritma genetika Particle Swarm Optimization (PSO). Data yang digunakan dalam penelitian ini adalah data sentimen tentang pengguna aplikasi PeduliLindungi dengan jumlah data sebanyak 1951 data dengan rincian 984 data negatif dan 967 data positif. Setelah dilakukan beberapa skenario proses training dan testing didapatkan hasil performa model CNN-PSO pada penelitian ini mendapatkan akurasi sebesar 81% sedangkan performa model CNN yang tidak dioptimasi mendapatkan nilai akurasi sebesar 77%.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > T Technology (General) | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | Yoga Maulana | ||||||||||||
| Date Deposited: | 25 Jan 2023 06:13 | ||||||||||||
| Last Modified: | 25 Jan 2023 06:13 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/11701 |
Actions (login required)
 |
View Item |