PERBANDINGAN AKURASI METODE WORD EMBEDDING TF-IDF DAN WORD2VEC MENGGUNAKAN RECURRENT NEURAL NETWORK UNTUK ANALISIS SENTIMEN TWEET VAKSINASI COVID-19

Dewi, Nadia Ristya (2021) PERBANDINGAN AKURASI METODE WORD EMBEDDING TF-IDF DAN WORD2VEC MENGGUNAKAN RECURRENT NEURAL NETWORK UNTUK ANALISIS SENTIMEN TWEET VAKSINASI COVID-19. Undergraduate thesis, UPN Veteran Jawa Timur.

Preview

Text
18081010071-cover.pdf
Download (1MB) | Preview

Preview

Text
18081010071-bab1.pdf
Download (111kB) | Preview

Text (Bab 2)
18081010071-bab2.pdf
Restricted to Registered users only until 24 January 2024.
Download (280kB) | Request a copy

Text
18081010071-bab3.pdf
Restricted to Registered users only until 24 January 2024.
Download (1MB) | Request a copy

Text
18081010071-bab4.pdf
Restricted to Registered users only until 24 January 2024.
Download (948kB) | Request a copy

Preview

Text
18081010071-bab5.pdf
Download (89kB) | Preview

Preview

Text
18081010071-daftarpustaka.pdf
Download (147kB) | Preview

Abstract

Sosial media merupakan sarana komunikasi maya yang saat ini banyak digunakan oleh manusia. Di sosial media banyak terdapat informasi yang mengandung opini, hal ini menyebabkan sering menyebabkan terjadinya ketimpangan antara informasi yang sedang dibicarakan dan informasi yang diinterpretasikan serta banyaknya penyebaran informasi yang tidak benar adanya (hoax) sehingga tidak benar-benar bisa dipahami sentimen yg ingin disampaikan, terlebih pada dua tahun terakhir ini sangat diperlukan informasi yang benar mengenai topik kesehatan. Penelitian ini bertujuan untuk mengetahui akurasi dari percobaan pembelajaran mesin dengan menerapkan metode word embedding TF-IDF dan Word2Vec yang akan melakukan analisis terhadap sentimen mengenai tweet dengan topik vaksinasi Covid-19. Penelitian ini dilakukan dengan menerapkan kedua metode word embedding tersebut pada algoritma Recurrent Neural Network (RNN) dengan menggunakan 6490 data tweet. Data yang dimiliki dibagi dengan perbandingan 7:3 untuk data training dan data testing. Percobaan menggunakan RNN-Word2Vec menghasilkan akurasi sebesar 51.71%, sedangkan percobaan menggunakan RNN-Word2Vec menghasilkan akurasi sebesar 50.73%. Kata kunci: Ekstraksi fitur, Word2Vec, TD-IDF, RNN, Sentimen Analisis

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Puspaningrum, Eva Yulia	NIDN0005078908	evapuspaningrum.if@upnjatim.ac.id
Thesis advisor	Maulana, Hendra	NIDN1423128301	hendra.maulana.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA75 Electronic computers. Computer science

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

NADIA RISTYA DEWI

Date Deposited:

24 Jan 2022 04:30

Last Modified:

24 Jan 2022 04:30

URI:

http://repository.upnjatim.ac.id/id/eprint/4727