EPrints Universitas Amikom YogyakartaPERBANDINGAN ALGORITMA DNN DAN LSTM UNTUK ANALISIS SENTIMEN LAYANAN TRANSPORTASI ONLINE DI INDONESIA MENGGUNAKAN DATA TWITTERJandriTampubolonauthorPenelitian ini membandingkan dua arsitektur pembelajaran mendalam. Deep Neural Network (DNN) dan Long Short-Term Memory (LSTM), untuk analisis sentimen tweet berbahasa Indonesia terkait layanan transportasi online. Data primer berjumlah ±10.000 tweet (2023) dihimpun melalui API Twitter dengan kata kunci merek layanan, kemudian direpresentasikan sebagai embedding IndoBERT untuk masukan ke kedua model. Pelabelan awal dilakukan secara otomatis menggunakan model IndoBERT dan divalidasi pada 200 sampel acak: 185 label sesuai (akurasi 92,5%) dengan Cohen’s Kappa 0,89, menunjukkan reliabilitas “sangat tinggi” untuk keperluan pelatihan. Eksperimen dirancang dalam empat skenario (tanpa/ dengan resampling dan tanpa/ dengan kamus slang) dan dievaluasi menggunakan K-Fold Cross-Validation (k=3 dan k=5) serta metrik akurasi, F1-score, MAE, dan waktu pelatihan. Hasil menunjukkan LSTM secara konsisten mengungguli DNN dalam akurasi dan F1-score, terutama pada skenario dengan resampling dan kamus slang (mencapai akurasi ~93% dan F1-score ~93%, MAE ~0,088). Namun, LSTM memerlukan waktu pelatihan lebih lama (~475 detik) dibandingkan DNN (~56 detik). Resampling terbukti memberikan peningkatan performa paling signifikan, sedangkan penggunaan kamus slang memberikan peningkatan tambahan yang bersifat pendukung. Analisis berdasarkan panjang teks menunjukkan DNN lebih stabil untuk tweet ≤10 kata, sementara LSTM unggul pada tweet >10 kata, yang mempertegas kelebihan LSTM dalam menangkap dependensi urutan pada teks panjang. Secara keseluruhan, LSTM direkomendasikan sebagai arsitektur utama untuk analisis sentimen pengguna layanan transportasi online berbahasa Indonesia, dengan DNN sebagai alternatif ketika efisiensi komputasi diutamakan. Berdasarkan keseluruhan temuan, penelitian ini merekomendasikan LSTM sebagai arsitektur utama untuk analisis sentimen layanan transportasi online berbahasa Indonesia, dengan DNN sebagai alternatif saat efisiensi komputasi menjadi prioritas.000 Ilmu komputer, informasi dan pekerjaan umum003 Sistem-sistem2025-11-10Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.