Shafira, Aisyah (2025) PERBANDINGAN KINERJA LSTM BERDASARKAN KONFIGURASI LAPISAN DALAM ANALISIS SENTIMEN KOMENTAR (STUDI KASUS : KOMENTAR YOUTUBE). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (2MB) |
|
Text (BAB I)
BAB I.pdf Download (172kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (561kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (308kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (745kB) |
|
Text (BAB V)
BAB V.pdf Download (62kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (205kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.11.4028.zip Restricted to Repository staff only Download (1MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (771kB) |
Abstract
Penelitian ini berfokus pada analisis kinerja arsitektur Long Short-Term Memory (LSTM) berdasarkan konfigurasi lapisan dalam analisis sentimen komentar video YouTube. Masalah utama yang dihadapi adalah kebutuhan akan model yang efisien dalam menganalisis data komentar yang tidak terstruktur dengan bahasa informal, singkatan, dan emotikon. Hal in penting untuk memahami opini publik terhadap konten seperti video "Clash of Champions" di kanal Ruangguru. Metode yang digunakan meliputi pengumpulan data dengan YouTube Data API, pra-pemrosesan data untuk pembersihan dan tranformasi teks, serta pelatihan model LSTM dengan konfigurasi satu, dua, dan tiga lapisan. Dataset dibagi menjadi data latih dan uji menggunakan teknik oversampling dan TF-IDF untuk representasi numerik. Evaluasi model dilakukan menggunakan metrik akurasi untuk membandingkan kinerja setiap konfigurasi lapisan. Hasil penelitian menunjukkan bahwa model dengan satu lapisan memberikan akurasi tertinggi, yaitu 90%, sementara model dengan dua dan tiga lapisan memiliki akurasi yang sedikit lebih rendah, masing-masing 89% dan 89%. Temuan ini memberikan wawasan bahwa peningkatan jumlah lapisan tidak selalu memperbaiki performa, melainkan dapat menyebabkan overfitting. Penelitian in bermanfaat bagi pengembang teknologi NLP untuk analisis sentimen pada data teks tidak terstruktur di platform media sosial. Penelitian lebih lanjut dapat mengeksplorasi optimasi parameter model dan penggunaan dataset dari domain yang berbeda untuk validasi hasil.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | LSTM, Analisis Sentimen, YouTube, NLP, Konfigurasi Model | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 13 Mar 2025 05:02 | ||
| Last Modified: | 13 Mar 2025 05:02 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/28826 |
Actions (login required)
 |
View Item |