TY  - THES
UR  - https://eprints.amikom.ac.id/id/eprint/31737/
PB  - Universitas AMIKOM Yogyakarta
ID  - universitasamikomyogyakarta31737
A1  - NUGROHO, AGUNG
Y1  - 2026/01/02/
N2  - Analisis sentimen sangat penting untuk mendapatkan data terkait opini
pelanggan terhadap produk dan layanan yang ditawarkan. Dalam proses analisis
sentimen, kombinasi dan konfigurasi jaringan syaraf tiruan mempengaruhi
keakuratan klasifikasi sentimen. Dalam penelitian terbaru yang dilakukan oleh
peneliti, ditemukan bahwa algoritma Bi-LSTM, LSTM, GRU, dan BERT
merupakan State of the Art dalam proses klasifikasi analisis sentimen. Namun,
penulis melihat bahwa penelitian sebelumnya yang dilakukan oleh peneliti lain
difokuskan untuk menemukan hasil klasifikasi terbaik dari beberapa algoritma yang
digunakan. Peneliti melihat bahwa Word Embedding memiliki peran penting dalam
keakuratan klasifikasi analisis sentimen, dan konfigurasi jaringan syaraf tiruan
parallel ensemble learning neural network dapat mempengaruhi keakuratan
klasifikasi analisis sentimen. Dengan adanya peluang penelitian ini, peneliti
mencoba melakukan percobaan dalam dua tahap, tahap pertama dengan konfigurasi
single learner neural network dengan berbagai kombinasi algoritma word
embedding dan klasifikasi. Hasil tahap pertama yaitu algoritma Bi-LSTM dengan
embedding Keras dengan konfigurasi single learner menghasilkan keakuratan
terbaik sebesar 80,20%. Hasil tahap pertama ini menjadi baseline yang akan
dijadikan acuan untuk kombinasi pada percobaan tahap kedua. Pada tahap kedua
percobaan dilakukan penggabungan algoritma Bi-LSTM dengan algoritma lain
secara paralel, seperti GRU, RNN, dan Simple RNN dengan embedding Keras.
Ditemukan bahwa penggabungan 3 layer paralel GRU-BiLSTM-RNN dengan
Embedding Keras menghasilkan akurasi tertinggi untuk analisis sentimen dari 3
kelas sebesar 88%.
TI  - IMPLEMENTASI PARALLEL ENSEMBLE LEARNING
NEURAL NETWORK PADA SENTIMENT ANALISIS TEKS
BAHASA INGGRIS
M1  - masters
KW  - Sentiment Analysis
KW  -  Parallel ensemble learnerning
KW  -  Bi-LSTM
KW  - 
GRU
KW  -  Keras.
AV  - public
ER  -