SUBSETSUBSET
The Indonesian Journal of Computer Science ResearchThe Indonesian Journal of Computer Science ResearchPenelitian ini bertujuan untuk mengevaluasi dan membandingkan performa dari dua arsitektur deep learning, yaitu BERT (Bidirectional Encoder Representations from Transformers) dan RNN-LSTM (Recurrent Neural Network – Long Short-Term Memory), dalam mengklasifikasikan sentimen pada tanggapan pengguna aplikasi BRImo. Kumpulan data diperoleh melalui teknik web scraping di platform Google Play dengan metode pengambilan acak (random sampling), sehingga terkumpul 10.000 ulasan dari total sekitar satu juta ulasan yang tersedia. Proses preprocessing awal mencakup pembersihan teks, penghapusan simbol, angka, URL, serta tokenisasi. Evaluasi awal menunjukkan bahwa model BERT memiliki akurasi sebesar 54%, sedangkan RNN-LSTM memperoleh akurasi 53%. Selanjutnya, dilakukan eksperimen lanjutan dengan menghilangkan proses tokenisasi tambahan pada preprocessing. Hasilnya, akurasi meningkat secara signifikan menjadi 73% untuk BERT dan 70% untuk RNN-LSTM. Peningkatan ini menunjukkan bahwa tokenisasi ganda dapat menurunkan kualitas input ke dalam model. Secara keseluruhan, model BERT terbukti lebih unggul dalam memahami konteks linguistik dalam bahasa Indonesia, terutama dalam menangani ambiguitas dan struktur kalimat kompleks dalam teks ulasan pengguna aplikasi.
000 ulasan aplikasi BRImo melalui metode random sampling.Hasil pengujian menunjukkan bahwa model BERT mencapai akurasi 73% dan RNN-LSTM 70% setelah menghilangkan proses tokenisasi ganda.Kesimpulannya, model BERT lebih unggul dalam menangkap konteks bahasa Indonesia, terutama dalam menangani ambiguitas dan struktur kalimat kompleks dalam teks ulasan pengguna.
Penelitian lanjutan dapat dilakukan dengan menyetel hiperparameter secara lebih rinci, termasuk laju pembelajaran, ukuran batch, dan jumlah epoch, untuk meningkatkan efisiensi model. Selain itu, evaluasi dengan metrik tambahan seperti AUC dan Macro-F1 Score perlu dipertimbangkan untuk mengukur performa model pada data yang tidak seimbang. Lebih lanjut, eksplorasi penggunaan teknik augmentasi data dapat dilakukan untuk mengatasi masalah ketidakseimbangan kelas dan meningkatkan generalisasi model. Penelitian ini juga dapat diperluas dengan mengintegrasikan informasi tambahan, seperti metadata pengguna atau fitur aplikasi, untuk meningkatkan akurasi analisis sentimen. Terakhir, pengembangan model yang mampu mengidentifikasi dan menangani sarkasme atau ironi dalam ulasan pengguna dapat menjadi arah penelitian yang menarik.
- Weak Supervision Dengan Pendekatan Labeling Function Untuk Analisis Sentimen Pada Twitter | The Indonesian... subset.id/index.php/IJCSR/article/view/93Weak Supervision Dengan Pendekatan Labeling Function Untuk Analisis Sentimen Pada Twitter The Indonesian subset index php IJCSR article view 93
- Proceedings of the 5th International Conference on Humanities and Social Science (ICHSS 2024) | Atlantis... atlantis-press.com/proceedings/ichss-24Proceedings of the 5th International Conference on Humanities and Social Science ICHSS 2024 Atlantis atlantis press proceedings ichss 24
- Comparison Performance of K-NN and NBC Algorithm for Classification of Heart Disease | Jurnal Sistem... doi.org/10.32503/jtecs.v2i2.2708Comparison Performance of K NN and NBC Algorithm for Classification of Heart Disease Jurnal Sistem doi 10 32503 jtecs v2i2 2708
- APPLICATION OF WEB SCRAPING PRODUCT DESCRIPTION USING SELENIUM PYTHON AND LARAVEL FRAMEWORK | JATISI.... doi.org/10.35957/jatisi.v9i4.2727APPLICATION OF WEB SCRAPING PRODUCT DESCRIPTION USING SELENIUM PYTHON AND LARAVEL FRAMEWORK JATISI doi 10 35957 jatisi v9i4 2727
| File size | 473.92 KB |
| Pages | 11 |
| DMCA | Report |
Related /
RESCOLLACOMMRESCOLLACOMM Dengan memanfaatkan model CNN untuk ekstraksi fitur, sistem ini melalui proses pengumpulan data, praproses, ekstraksi fitur, fusi modalitas, dan pencocokan.Dengan memanfaatkan model CNN untuk ekstraksi fitur, sistem ini melalui proses pengumpulan data, praproses, ekstraksi fitur, fusi modalitas, dan pencocokan.
ITHBITHB Integrasi YOLOv8 dan DeepSort dapat meningkatkan konsistensi pelacakan, mengurangi kesalahan ID switching, serta meningkatkan keandalan sistem pengenalanIntegrasi YOLOv8 dan DeepSort dapat meningkatkan konsistensi pelacakan, mengurangi kesalahan ID switching, serta meningkatkan keandalan sistem pengenalan
UMKOUMKO Transisi menuju energi berkelanjutan telah menjadi prioritas strategis Indonesia, terutama melalui kebijakan bahan bakar campuran beretanol. Namun, persepsiTransisi menuju energi berkelanjutan telah menjadi prioritas strategis Indonesia, terutama melalui kebijakan bahan bakar campuran beretanol. Namun, persepsi
UBUB 999 citra, yang mencakup 1. 867 citra dari Kaggle Repository dan 132 citra hasil pengambilan data lokal di Bangkalan, Jawa Timur. Dataset dibagi menjadi999 citra, yang mencakup 1. 867 citra dari Kaggle Repository dan 132 citra hasil pengambilan data lokal di Bangkalan, Jawa Timur. Dataset dibagi menjadi
STIKOM BALISTIKOM BALI Sistem pengenalan huruf hijaiyah dengan metode backpropagation menunjukkan performa yang sangat baik pada data tulisan tangan. Pengujian pada 300 citraSistem pengenalan huruf hijaiyah dengan metode backpropagation menunjukkan performa yang sangat baik pada data tulisan tangan. Pengujian pada 300 citra
UMKLAUMKLA Kantuk saat mengemudi adalah salah satu penyebab utama kecelakaan lalu lintas. Untuk mencegah kecelakaan yang disebabkan oleh kantuk, diperlukan sistemKantuk saat mengemudi adalah salah satu penyebab utama kecelakaan lalu lintas. Untuk mencegah kecelakaan yang disebabkan oleh kantuk, diperlukan sistem
UIN Ar-RaniryUIN Ar-Raniry Hasil ini dapat diimplementasikan dalam sistem otomatis untuk identifikasi jenis-jenis anggrek, yang bermanfaat dalam bidang botani atau agrikultur. PenelitianHasil ini dapat diimplementasikan dalam sistem otomatis untuk identifikasi jenis-jenis anggrek, yang bermanfaat dalam bidang botani atau agrikultur. Penelitian
UNDHIRA BALIUNDHIRA BALI Sementara itu, SVM menghasilkan akurasi sebesar 61.39%, yang lebih tinggi dibandingkan dengan CNN. Ini menunjukkan bahwa SVM memiliki kinerja yang lebihSementara itu, SVM menghasilkan akurasi sebesar 61.39%, yang lebih tinggi dibandingkan dengan CNN. Ini menunjukkan bahwa SVM memiliki kinerja yang lebih
Useful /
UMKLAUMKLA Terdapat tiga langkah sebelumnya dalam merancang tampilan sistem: pengumpulan data (analisis kebutuhan), perancangan website, dan pengujian. Aturan 8 goldenTerdapat tiga langkah sebelumnya dalam merancang tampilan sistem: pengumpulan data (analisis kebutuhan), perancangan website, dan pengujian. Aturan 8 golden
UMKLAUMKLA Selanjutnya, Tesseract OCR Engine digunakan untuk mengubah citra menjadi teks mentah, yang kemudian diurai (parsing) menggunakan Regular Expressions (Regex)Selanjutnya, Tesseract OCR Engine digunakan untuk mengubah citra menjadi teks mentah, yang kemudian diurai (parsing) menggunakan Regular Expressions (Regex)
STIKOM BALISTIKOM BALI Kenyamanan menjadi hal dasar bagi mahasiswa untuk belajar dengan baik sehingga mereka betah berada dalam ruangan laboratorium. Untuk membuat ruangan laboratoriumKenyamanan menjadi hal dasar bagi mahasiswa untuk belajar dengan baik sehingga mereka betah berada dalam ruangan laboratorium. Untuk membuat ruangan laboratorium
STIKOM BALISTIKOM BALI Hasil persentase 61 persen sampai dengan 80 persen masuk kedalam kategori pengaruh yang kuat. Secara parsial hanya konten pada e-learning saja yang memengaruhiHasil persentase 61 persen sampai dengan 80 persen masuk kedalam kategori pengaruh yang kuat. Secara parsial hanya konten pada e-learning saja yang memengaruhi