<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "ANALISIS PENERAPAN WORD EMBEDDING TERHADAP\r\nBIDIRECTIONAL LSTM DALAM MODEL ANALISIS\r\nSENTIMEN ULASAN APLIKASI"^^ . "Analisis sentimen aplikasi bertujuan untuk mengetahui polaritas sentimen\r\nulasan aplikasi berdasarkan umpan balik dari pengguna dengan data dalam jumlah\r\nbesar. Berbagai metode machine learning, neural network, hingga deep learning\r\ndigunakan dalam membangun model analisis sentimen, namun beberapa masih\r\nmemiliki kekurangan terkait lambatnya model dalam mencapai konvergensi\r\nmaupun permasalahan mengenai out of vocabulary (OOV). Sehingga diperlukan\r\npenerapan word embedding sebagai upaya dalam meningkatkan keakuratan\r\nklasifikasi. Selain itu penerapan word embedding dinilai dapat menghasilkan\r\nrepresentasi kata yang lebih banyak dan variatif. Word embedding yang diterapkan\r\ndalam penelitian ini adalah Word2Vec, FastText, dan GloVe, hal ini untuk\r\nmengetahui model word embedding serta parameter yang mampu menghasilkan\r\nperforma yang unggul saat dikombinasikan dengan Bi-LSTM dalam melakukan\r\nanalisis sentimen terhadap ulasan pengguna aplikasi Gojek.\r\nPada kondisi imbalanced dataset maupun setelah oversampling performa\r\nterbaik dihasilkan saat penerapan Word2Vec dan FastText dengan parameter\r\nwindow bernilai 5, dan embedding size untuk Word2Vec, FastText, dan GloVe\r\nbernilai 300. Perolehan f1-score pada imbalanced dataset yang dihasilkan\r\nWord2Vec, FastText, dan GloVe sebesar 86,03%, 86,29%, 84,54%, sementara\r\nakurasi pada data setelah oversampling sebesar 87,51%, 87,85%, 85,98%.\r\nModel FastText menghasilkan performa f1-score dan akurasi yang unggul\r\nbaik pada parameter tertentu maupun secara rata-rata karena mampu menangani\r\nkata-kata yang memiliki morfologi kompleks maupun out of vocabulary dengan\r\ncara merepresentasikan kata tidak hanya secara penuh namun juga memperhatikan\r\nsub-kata. Selain window dan embedding size, perolehan performa tersebut juga\r\ndipengaruhi oleh penerapan beberapa parameter lain, seperti arsitektur CBOW,\r\nmetode evaluasi Hirarchical SoftMax, dan minimum count=10."^^ . "2024-07-10" . . . "Universitas AMIKOM Yogyakarta"^^ . . . "Fakultas Ilmu Komputer, Universitas AMIKOM Yogyakarta"^^ . . . . . . . . <> . <> . . "Verra Budhi"^^ . "Lestari"^^ . "Verra Budhi Lestari"^^ . . "-"^^ . "Hanafi"^^ . "- Hanafi"^^ . . "Ema"^^ . "Utami"^^ . "Ema Utami"^^ . . "Universitas AMIKOM Yogyakarta"^^ . . . . . . . "ANALISIS PENERAPAN WORD EMBEDDING TERHADAP\r\nBIDIRECTIONAL LSTM DALAM MODEL ANALISIS\r\nSENTIMEN ULASAN APLIKASI (Text)"^^ . . . "22.51.1191 Verra Budhi Lestari.pdf"^^ . . "HTML Summary of #32100 \n\nANALISIS PENERAPAN WORD EMBEDDING TERHADAP \nBIDIRECTIONAL LSTM DALAM MODEL ANALISIS \nSENTIMEN ULASAN APLIKASI\n\n" . "text/html" . . . "000 Ilmu komputer, informasi dan pekerjaan umum"@en . . . "001 Ilmu pengetahuan"@en . .