Analisis kinerja metode convolutional neural network pada klasifikasi teks islamofobia / Annas Putra Anuraga - Repositori Universitas Negeri Malang

Analisis kinerja metode convolutional neural network pada klasifikasi teks islamofobia / Annas Putra Anuraga

Anuraga, Annas Putra (2021) Analisis kinerja metode convolutional neural network pada klasifikasi teks islamofobia / Annas Putra Anuraga. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Adanya sosial media yang semakin berkembang pesat berdampak pada kemudahan masyarakat dalam menyatakan pendapat ekspresi opini dan informasi. Salah satu sosial media yang mulai populer di kalangan masyarakat yaitu Twitter. Tweet yang biasanya diunggah dapat berupa komentar positif maupun komentar negatif. Salah satu komentar negatif yang cukup ramai diperbincangkan yaitu mengenai islamophobia. Opini mengenai Islamophobia ini yang akan menjadi data untuk dilakukan analisis sentimen dengan menerapkan algoritma deep learning yaitu Convolutional Neural Netwrok (CNN). Tujuan penelitian ini yaitu 1). Bagaimana sentiment analisis Islamophobia pada Twitter 2). Bagaimana performa akurasi metode Convolotional Neural Network (CNN) dalam klasifikasi Islamophobia pada Twitter . Batasan dalam penelitian ini meliputi data yang akan digunakan merupakan opini pengguna Twitter terhadap isu Islamophobia pada tahun 2020 Data yang diambil hanya berupa tweet Bahasa Indonesia Dataset yang digunakan sebanyak 1500 tweet. Metode penelitian yang digunakan adalah metode penelitian eksperimen skenario yang dilakukan dengan beberapa tahap tahap pertama merupakan proses pengumpulan data opini isu islamophobia. Tahap kedua merupakan proses pelabelan data. Tahap ketiga merupakan prapemrosesan data berupa punctuation removal tokenizing stop words removal dan stemming. Tahap keempat merupakan klasifikasi menggunakan algoritma Convolutional Neural Network . Tahap kelima yaitu Tahap terakhir yaitu proses evaluasi pada hasil klasifikasi menggunakan confusion matrix. Dari hasil confusion matriks yang dilakukan penelitian ini menunjukan skenario hyperparameter yang mendapat nilai tertinggi adalah parameter dengan nilai filter 16 kernel size 10 dan pool size 5 dimana mendapat akurasi sebesar 75%.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 11 Nov 2021 04:29
Last Modified: 09 Sep 2021 03:00
URI: http://repository.um.ac.id/id/eprint/196413

Actions (login required)

View Item View Item