ANALISIS KOMPARASI METODE SUPPORT VECTOR MACHINE DAN LONG SHORT-TERM MEMORY GUNA PENGKLASIFIKASIAN STRES PSIKOLOGIKAL PADA MEDIA SOSIAL

Sunjiwo, Subraga Islammada (2022) ANALISIS KOMPARASI METODE SUPPORT VECTOR MACHINE DAN LONG SHORT-TERM MEMORY GUNA PENGKLASIFIKASIAN STRES PSIKOLOGIKAL PADA MEDIA SOSIAL. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (570kB)
[img] Text (BAB I)
BAB I.pdf
Download (273kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (2MB)
[img] Text (BAB V)
BAB V.pdf
Download (103kB)
[img] Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf
Restricted to Registered users only
Download (1MB)
[img] Archive (SOURCE CODE)
Source Code 15.11.9310 Subraga Islammada Sunjiwo.zip
Restricted to Repository staff only
Download (3MB)
[img] Text (PUBLIKASI)
Publikasi 15.11.9310 Subraga Islammada Sunjiwo.pdf
Restricted to Repository staff only
Download (640kB)

Abstract

Manusia merupakan mahluk sosial. Mahluk sosial memiliki kebutuhan akan berkomunikasi. Media sosial adalah salah satu platform yang sering digunakan di era modern ini untuk berkomunikasi dengan cara mengungkapkan pikiran dan perasaan. Media sosial Twitter diketahui efektif dan efisien untuk menganalisis konten sosial media pada Twitter (tweet) yang digunakan sebagai representasi pemikiran pengguna, hal ini dapat di manfaatkan untuk menganalisis stres psikologikal. Pada penelitian ini akan membandingkan dua algoritma klasifikasi teks dalam bidang Machine Learning dan Deep Learning. Dua algoritma tersebut adalah Support Vector Machine dan Long Short-Term Memory. Dengan cara membuat model dari masing masing algoritma akan melakukan klasifikasi teks untuk mengindentifikasi stres dari konten sosial media Twitter. Perbandingan ini dilakukan untuk mengetahui mana yang lebih baik dalam segi metrik akurasi. Hasil eksperimen menunjukkan bahwa terdapat perbedaan metrik antara penerapan metode SVM dan LSTM Embedding terhadap akurasi dengan selisih rata-rata akurasi hasil perhitungan confusion matrix sebesar 2.83% dan k-fold cross validation sebesar 3.031%. Dimana confusion matrix dan k-fold cross validation sebagai alat evaluasi dan validasi terhadap nilai akurasi analisis sentimen dokumen teks bahasa Inggris.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Widayani, Wiwi
Uncontrolled Keywords: Machine learning, deep learning, klasifikasi teks, stres, support vector machine, long short-term memory
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 > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 10 Oct 2022 04:57
Last Modified: 01 Aug 2023 02:03
URI: http://eprints.amikom.ac.id/id/eprint/8628

Actions (login required)

View Item View Item