ANALISIS SENTIMEN NETIZEN DI TWITTER TERKAIT RKUHP MENGGUNAKAN LONG SHORT TERM MEMORY (LSTM)

Syaharuddin, Faisal H Syaharuddin (2024) ANALISIS SENTIMEN NETIZEN DI TWITTER TERKAIT RKUHP MENGGUNAKAN LONG SHORT TERM MEMORY (LSTM). Sarjana thesis, Universitan Khairun.

	Text COVER.pdf - Published Version Download (72kB)
	Text Abstrak.pdf - Published Version Download (105kB)
	Text BAB I.pdf - Published Version Download (119kB)
	Text Daftar Pustaka.pdf - Published Version Download (117kB)

Abstract

Faisal H. Syaharuddin1 , Saiful Do Abdullah2, , Amal Khairan3 Program Studi Teknik Informatika Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan E-mail: faisalsyahruddin57@gmail.com1 , saifulabdullah@gmail.com2 , amalkhairan@unkhair.ac.id3 Revisi Kitab Undang-Undang Hukum Pidana (RKUHP) yang dianggap kontroversial oleh masyarakat telah menjadi topik diskusi hangat di media sosial Twitter. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap RKUHP menggunakan model deep learning Long Short-Term Memory (LSTM). Penelitian ini menggunakan model LSTM untuk analisis sentimen, dengan preprocessing teks yang melibatkan pembersihan data dan persiapan melalui tokenisasi dan stemming. Sentimen dalam tweet dikategorikan menjadi tiga: positif, negatif, dan netral. Tujuh model dengan berbagai parameter diuji untuk mengevaluasi pengaruhnya terhadap hasil analisis sentimen Sebanyak 4 ribu tweet dikumpulkan dan setelah preprocessing, 3 ribu tweet digunakan untuk pelatihan model. Hasil analisis menunjukkan bahwa model LSTM dengan penyesuaian hyperparameter pada embedding layer 64, batch size 256, penerapan Stemming, dan rasio dataset 60:40 mampu mengklasifikasikan tweet dengan akurasi tertinggi mencapai 74.04%. Sebagian besar sentimen pengguna Twitter terhadap RKUHP bersifat negatif, dengan 140 tweet negatif, 58 tweet positif, dan 53 tweet netral berdasarkan analisis penerapan model LSTM dengan parameter yang sama. Kata Kunci: Analisis Sentimen, RKHUP, LSTM, Long Short Term Memory, Twitter

Actions (login required)

View Item