Algoritma Bidirectional Long Short Term Memory untuk Analisis Sentimen Berbasis Aspek pada Aplikasi Belanja Online dengan Cicilan

Subowo, Edy; Artanto, Fenilinas Adi; Putri, Isna; Umaedi, Wahyu

doi:10.37859/jf.v12i2.3759

Cited by 4 publications

(3 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Metode pengambilan data menggunakan bahasa pemrograman python. Setelah data berhasil didapatkan dilakukan pembagian data menjadi data training dan data testing sebelum dilakukan analisis data [13].…”

Section: Studi Pustakaunclassified

Support Vector Machine Berbasis Particle Swarm Optimization Pada Analisis Sentimen Anggota KPPS

Artanto

2024

View full text Add to dashboard Cite

Pemilu menjadi sebuah bukti dari demokrasi dari suatu negara. Terutamanya di Indonesia dalam menyukseskan Pemilu dibutuhkan bantuan dari anggota KPPS. Saat ini pada pemilu 2024 di Indonesia menjadi anggota KPPS menjadi hal yang menarik bahkan menjadi trending topik terutama dalam media sosial X. Lalu dengan tredingnya anggota KPPS bagaimanakah opini masyarakat dalam media sosial X tentang menjadi anggota KPPS. Dalam menguji sentimen digunakan algoritma Support Vector Machine (SVM) berbasis Particle Swarm Optimization (PSO). Dari pengambilan data pada media sosial X didapatkan data opini sebanyak 702 data, setelah data melalui tahap Preprocesing data opini telah dibersihkan dari kata-kata yang tidak digunakan dan juga duplikasi data didapatkan 688 data dengan kata yang paling banyak disebutkan adalah meninggal. Data yang telah dibersihkan di analisis menggunakan algoritma Support Vector Machine (SVM) berbasis Particle Swarm Optimization (PSO) didapatkan hasil accuracy 70%. Lalu pada pengujian sentimen pada opini masyarakat pada media sosial X tentang anggota KPPS didapatkan hasil bahwa 99% masyarakat memberikan opini yang positif, dan hanya 1% masyarakat yang memberikan opini negatif.

show abstract

Section: Studi Pustakaunclassified

Support Vector Machine Berbasis Particle Swarm Optimization Pada Analisis Sentimen Anggota KPPS

Artanto

2024

View full text Add to dashboard Cite

show abstract

“…In this stage, the architecture design of the latest development model of the neural network is carried out, which has the best chance of accuracy [19]. BiLSTM can be considered as a neural network with a programmable design, so that its shape can be adjusted to the application [20]. In addition, research [21]discusses the advantages of BiLSTM itself which is able to improve RNN which only has short-term memory and is unable to process long sequential data BiLSTM itself is a variation of the LSTM model that has two layers whose directions are opposite to each other.…”

Section: Bidirectional Long Short Term Memorymentioning

confidence: 99%

Classification of Final Project Titles Using Bidirectional Long Short Term Memory at the Faculty of Engineering Nurul Jadid University

Warda,

Fajri,

Tholib

2023

SISFOKOM

View full text Add to dashboard Cite

Every year, the Faculty of Engineering at Nurul Jadid University forms a committee to manage the process of students' final projects from the title selection stage to the final examination process until graduation. The process of selecting the final project title is still done manually, namely by checking the titles one by one, which takes a long time and allows errors because there is a lot of data to check, so human errors can also occur. Therefore, this research proposes to use the Bidirectional Long Short Term Memory (BiLSTM) method to classify the final project title based on its grade category. Several experiments were conducted to generate the most appropriate labels. The first experiment produced 4 labels and the second experiment produced 2 labels. From the results of several experiments, it was concluded that the second experiment had the best accuracy results with the 'good enough' and 'good' classes. The oversampling technique was then applied to overcome overlapping data, and the turning process was then performed on several parameters that could re-optimize the previous accuracy result of 75.24% to 91.15%. With a configuration of 10 random state parameters, using 64 batch sizes and 50 epochs. In addition, model adjustments were made to the hidden layer by adding a dropout layer and relu activation.

show abstract

“…Sementara itu, layer kedua, yang disebut backward layer, memproses kata-kata dari akhir hingga awal. Dengan demikian, Bi-LSTM mampu memperoleh informasi kontekstual dari kedua arah, yang berguna dalam pemrosesan bahasa alami dan tugas-tugas lain dalam analisis teks[13]. dataset dalam pembuatan UMMIBOT.…”

unclassified

UMMIBOT sebagai Media Layanan Informasi Penerimaan Mahasiswa Baru Universitas Muhammadiyah Sukabumi

Suherlan,

Asriyanik,

Pambudi

2023

j. inform. terpadu

View full text Add to dashboard Cite

Perkembangan teknologi informasi dan komunikasi yang terus maju telah mengatasi batasan jarak dan meningkatkan kecepatan transfer informasi dan pengetahuan. Teknologi informasi dan komunikasi telah diterapkan dalam berbagai aspek, termasuk meningkatkan pelayanan, mempercepat proses komunikasi, memudahkan akses informasi, dan efektif dalam berbagi informasi. Salah satu inovasi teknologi yang penting adalah chatbot, sebuah teknologi kecerdasan buatan yang memungkinkan komunikasi interaktif. Penerapan chatbot di PMB Universitas Muhammadiyah Sukabumi bertujuan untuk membantu calon mahasiswa dalam mendapatkan layanan informasi seputar pendaftaran mahasiswa baru. Kendala utama yang diatasi adalah keterbatasan jam kerja yang seringkali menghambat calon pendaftar dalam mendapatkan informasi dengan cepat. Penelitian ini menggunakan metode NLP (Natural Language Processing) dalam pengembangan chatbot, yang bertujuan untuk memungkinkan chatbot memahami bahasa alami dan mencari informasi yang diperlukan. Tujuan penelitian ini adalah menciptakan chatbot yang efektif dalam memberikan respon terhadap pertanyaan pengguna di luar jam kerja. Tahapan pengembangan chatbot dengan metode NLP meliputi data collection, text processing, feature engineering, modeling, inference, deployment, dan evaluation. Hasil penelitian menunjukkan bahwa chatbot yang dinamakan UMMIBOT berhasil mencapai tingkat akurasi fungsionalitas sebesar 83,67%, mengatasi masalah keterbatasan jam kerja, dan memberikan respon yang sesuai dengan input pengguna dengan tingkat akurasi yang tinggi.

show abstract

Algoritma Bidirectional Long Short Term Memory untuk Analisis Sentimen Berbasis Aspek pada Aplikasi Belanja Online dengan Cicilan

Cited by 4 publications

References 3 publications

Support Vector Machine Berbasis Particle Swarm Optimization Pada Analisis Sentimen Anggota KPPS

Support Vector Machine Berbasis Particle Swarm Optimization Pada Analisis Sentimen Anggota KPPS

Classification of Final Project Titles Using Bidirectional Long Short Term Memory at the Faculty of Engineering Nurul Jadid University

UMMIBOT sebagai Media Layanan Informasi Penerimaan Mahasiswa Baru Universitas Muhammadiyah Sukabumi

Contact Info

Product

Resources

About