Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pengembangan Modul Analisis Sentimen Pada Service Media Monitoring Berita Menggunakan Metode LSTM
Diana (2020) | Tugas Akhir | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Perkembangan beragam portal berita online dan media sosial yang begitu pesat, hal ini menyebabkan ketersediaan sumber dokumen tekstual menjadi sangat besar dan mudah diakses. Berdasarkan riset yang dilakukan oleh lembaga riset Global GFK dan Digital Indonesia Association (IDA), konsumsi berita melalui media online mencapai sembilan puluh enam persen pada tahun 2015. Berita selalu terkait dengan opini positif atau negatif yang kemudian disebut sebagai sentimen. Analisis sentimen merupakan suatu teknik untuk mengidentifikasi opini berita yang terkandung dalam pada suatu teks, yang kemudian dapat dikategorikan menjadi sentimen positif atau negatif. Media monitoring merupakan salah satu service yang dimiliki PT. Kazee Digital Indonesia untuk analisis sentimen berita. Komponen modul ini terdapat pada versi engine machine learning naive bayes yang sudah dibangun. Akurasi dari engine tersebut sebesar lima puluh lima persen. Berdasarkan hal tersebut, pengerjaan Tugas Akhir (TA) ini melakukan optimasi modul service dengan mengimplementasikan metode Long Short Term Memory (LSTM) dengan studi kasus berita Pemilihan Presiden (Pilpres 2019). Sebelum data dapat dianalisis menggunakan metode tersebut, terlebih dahulu dilakukan tahap data preprocessing untuk memastikan data siap dianalisis polaritas sentimennya. Setelah proses analisis sentimen dilakukan tahap terakhir adalah menentukan kualitas akurasi dari dengan memperhatikan accuracy yang diperoleh. Dengan metode LSTM dicapai akurasi sebesar tujuh puluh persen.
Ringkasan Alternatif
Online news portal and social media are rapidly growing, this causes the availability of textual document resources becomes very large and easily accessible. Based on research conducted by global research institute (GFK) and Indonesia Digital Association (IDA), news consumption through online media reached ninety six percent in 2015. News always related to positive or negative opinions called sentiments. Sentiment analysis is a technique to identifying news opinions contained in a text, which can be categorized as positive or negative sentiments. Media Monitoring is one of the service owned by PT. Kazee Digital Indonesia for news sentiment analysis. Components of this module are found in naive bayes machine learning version that has been built. The accuracy of the engine is fifty five percent. Based on this, the execution of this Final Project is to optimize the module in Media Monitoring service by implementing the Long Short Term Memory (LSTM) method with case study on presidential election news 2019. Before the data can be analyzed using this method, text preprocessing phase was previously carried out to ensure the data was ready to be analyzed for the polarity of the sentiments. After sentiment analysis process, the last step is to determine the accuracy of the test. Implementing LSTM method reached the accuracy of seventy percent.