Hidayat, Ari Bagus (2023) ANALISIS SENTIMEN DALAM PENGARUH AKTIVITAS MEDIA SOSIAL MENGGUNAKAN METODE CONVULATIONAL NEURAL NETWORK. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (164kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (673kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (156kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (860kB) |
|
Text (BAB V)
BAB V.pdf Download (63kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (120kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code - Ari Bagus Hidayat.rar Restricted to Repository staff only Download (48MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (989kB) |
Abstract
Perkembangan internet yang semakin pesat membuat arus informasi semakin cepat dan menyebar bebas ke seluruh masyarakat. Istilah Big Data yang muncul menandakan bahwa semakin banyaknya data yang bermunculan di internet. Instagram merupakan salah satu variasi data dari sosial media yang paling sering digunakan masyarakat. Penelitian ini melakukan analisis pengaruh fungsi aktivasi pada algoritma CNN dalam mengklasifikasikan sentimen bahasa Indonesia. Fungsi aktivasi yang digunakan adalah Relu, Tanh dan Sigmoid dengan tujuan untuk mengetahui pengaruh fungsi aktivasi pada tingkat akurasi dan mengetahui fungsi aktivasi yang paling berpengaruh dalam mencapai tingkat akurasi yang tinggi. Dengan adanya Twitter, seseorang dapat mengungkapkan emosi, ekspresi, opini dan informasinya melalui sebuah postingan, caption, cuitan pada media sosial. Seseorang cenderung akan lebih jujur ketika mengungkapkan perasaan terhadap media sosial. Hasil dari analisis sentimen dengan menggunakan Convolutional Neural Network menggunakan 30.653 data dapat disimpulkan bahwa penelitian ini mampu mengenali sentimen positif dan sentimen negatif dengan akurasi 91%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Analisis Sentimen, Convolutional Neural Network, Sosial media | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 08 Jul 2023 02:20 | ||
| Last Modified: | 13 Jul 2023 07:53 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/20180 |
Actions (login required)
 |
View Item |