SENTIMENT ANALYSIS OF THE AMIKOM WHATSAPP CALLER CENTER CHATBOT USING LONG SHORT-TERM MEMORY (LSTM)

Mohammed, Kezaala Dody Islam (2026) SENTIMENT ANALYSIS OF THE AMIKOM WHATSAPP CALLER CENTER CHATBOT USING LONG SHORT-TERM MEMORY (LSTM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (915kB)
	Text (BAB I) BAB I.pdf - Published Version Download (180kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (446kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (160kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (389kB)
	Text (BAB V) BAB V.pdf - Published Version Download (75kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (40kB)
	Archive (SOURCE CODE) Sourcecode - 19.61.0154.zip - Published Version Restricted to Repository staff only Download (2kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (832kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen chatbots Amikom yang digunakan oleh Whatsapp Caller Center dengan menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan adalah data sentimen yang terdiri dari pesan-pesan yang dikirim oleh pengguna kepada chatbots Amikom melalui layanan Whatsapp Caller Center. Metode LSTM dipilih karena mampu menangani data yang memiliki hubungan temporal yang kuat dan mampu memprediksi sentimen pengguna dengan akurasi yang tinggi. Hasil dari penelitian ini menunjukkan bahwa metode LSTM dapat digunakan untuk menganalisis sentimen chatbots Amikom dengan akurasi sebesar 96%.

Item Type:

Thesis (S1 - Sarjana)

Contributor:

Pembimbing
Pujastuti, Eli

Uncontrolled Keywords:

Analisis sentimen, Chatbots Amikom, Whatsapp Caller Center, Long Short-Term Memory (LSTM), Metode LSTM, Data sentimen, Akurasi prediksi sentimen, Sentiment analysis, Amikom Chatbots, Sentiment data, Sentiment prediction accuracy.

Subjects:

000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum

Divisions:

Fakultas Ilmu Komputer > Informatika

Depositing User:

RC Universitas AMIKOM Yogyakarta

Date Deposited:

16 Jul 2026 03:35

Last Modified:

16 Jul 2026 03:35

URI:

http://eprints.amikom.ac.id/id/eprint/32186