ANALISIS SENTIMEN TERHADAP RESESI DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE LSTM

Kusuma, Albert Deo Hesa (2023) ANALISIS SENTIMEN TERHADAP RESESI DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE LSTM. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (678kB)
	Text (BAB I) BAB I.pdf Download (189kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (677kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (331kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (736kB)
	Text (BAB V) BAB V.pdf Download (73kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (264kB)
	Archive (SOURCE CODE) SOURCE CODE.zip Restricted to Repository staff only Download (531kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Resesi adalah fenomena yang mempengaruhi kondisi ekonomi suatu negara dan berdampak pada kehidupan masyarakat. Dalam era digitalisasi, media sosial menjadi platform utama bagi masyarakat untuk menyampaikan opini dan memantau informasi terkait kondisi ekonomi, termasuk sentimen terhadap resesi. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen terhadap resesi di media sosial Twitter menggunakan metode Long Short-Term Memory (LSTM). Penelitian dilakukan dengan mengumpulkan data dari Twitter dengan menggunakan kata kunci terkait resesi dan mengklasifikasikan sentimen menjadi positif, negatif, atau netral. Metode LSTM digunakan untuk mengolah data dan memprediksi sentimen yang muncul pada setiap tweet. Hasil penelitian menunjukkan bahwa pengguna Twitter cenderung menyampaikan sentimen negatif terhadap resesi, terutama pada masa-masa sulit ekonomi. Selain itu, penelitian ini juga mengidentifikasi kata-kata kunci yang sering muncul dalam tweet terkait resesi, seperti pengangguran, inflasi, dan kebijakan pemerintah. Penelitian di awali dengan tahap text preprocessing yaitu case folding, tokenizing, filtering, stemming. Kemudian menghitung bobot tiap kata menggunakan tokenizer. Metode analisis sentiment yang digunakan yaitu Long Short-Term Memory(LSTM). Penelitian ini dapat memberikan manfaat bagi pelaku bisnis dan pemerintah dalam memantau sentimen publik terkait kondisi ekonomi dan memperoleh wawasan yang lebih mendalam dalam menghadapi resesi. Selain itu, hasil penelitian juga dapat menjadi acuan bagi penelitian selanjutnya dalam pengembangan metode analisis sentimen menggunakan teknologi deep learning. Hasil pengujian dari 1517 data menggunakan metode LSTM di peroleh rata-rata recall 74%, precision 74% dan akurasi 99.72%.

Actions (login required)

View Item