Rifqi, Mohammad Fajar (2025) Studi komparatif kinerja model ISTM, BILSTM, dan SVM untuk analisis sentimen pada isu kebijakan efisiensi anggaran di platform media sosial X / Mohammad Fajar Rifqi</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Opini publik di media sosial merupakan respons langsung terhadap kebijakan pemerintah salah satunya adalah kebijakan efisiensi anggaran. Analisis sentimen pada platform seperti X (Twitter) dapat memberikan wawasan berharga bagi pembuat kebijakan. Penelitian ini bertujuan untuk melakukan analisis komparatif guna menemukan model klasifikasi sentimen terbaik dengan membandingkan performa algoritma machine learning klasik yaitu Support Vector Machine (SVM) dengan model deep learning yaitu Long Short-Term Memory (LSTM) dan Bidirectional-LSTM (BiLSTM). Penelitian ini menggunakan 11.529 tweet berbahasa Indonesia dengan kata kunci efisiensi anggaran . Metode ekstraksi fitur yang dibandingkan adalah TF-IDF dan Word2Vec (Skip-Gram). Mengingat adanya ketidakseimbangan kelas pada data teknik oversampling SMOTE diterapkan pada data latih untuk menyeimbangkan distribusi sentimen. Proses evaluasi model dilakukan menggunakan metrik accuracy precision recall dan F1-score. Hasil penelitian menunjukkan bahwa model SVM dengan ekstraksi fitur TF-IDF mencapai performa tertinggi dengan akurasi sebesar 77%. Hasil ini mengungguli model BiLSTM (74%) LSTM (73%) dan SVM dengan fitur Word2Vec (73%). Temuan ini menyimpulkan bahwa untuk klasifikasi teks pendek seperti tweet pendekatan machine learning klasik yang didukung oleh representasi fitur berbasis frekuensi kata dapat memberikan hasil yang lebih efektif dibandingkan model deep learning yang bergantung pada konteks sekuensial. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 14 Oct 2025 04:29 |
| Last Modified: | 09 Sep 2025 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/426319 |
Actions (login required)
 |
View Item |