STMIK BANJARBARUSTMIK BANJARBARU
Progresif: Jurnal Ilmiah KomputerProgresif: Jurnal Ilmiah KomputerPenelitian ini menganalisis sentimen media sosial YouTube terhadap kereta cepat (Whoosh) menggunakan algoritma Bidirectional-LSTM. Masalah yang diangkat adalah perlunya pemahaman yang lebih mendalam tentang persepsi publik terhadap proyek kereta cepat, yang dapat mempengaruhi penerimaan dan keberlanjutannya. Tujuan penulisan ini adalah untuk mengevaluasi performa algoritma Bidirectional-LSTM dalam menganalisis sentimen dibandingkan dengan algoritma lain. Metode yang digunakan melibatkan pengumpulan data komentar YouTube, preprocessing teks, dan penerapan algoritma Bidirectional-LSTM untuk klasifikasi sentimen. Parameter-parameter yang dianalisis meliputi akurasi, presisi, dan ketahanan terhadap variasi data. Hasil penelitian menunjukkan bahwa algoritma Bidirectional-LSTM mencapai akurasi (0.86) yang secara signifikan lebih tinggi dibandingkan dengan algoritma Multinomial Naïve Bayes (0.80), USE-Transfer learning (0.80), dan Text Vectorization and Embedding (0.80).
Hasil penelitian menunjukkan bahwa algoritma berbasis Bidirectional-LSTM secara signifikan mengungguli algoritma lain seperti MultinomialNB, USE-Transfer learning, dan Text Vectorization in terms of accuracy and resilience to data variation.Dari data yang dikumpulkan, ditemukan 179 komentar negatif (15.86), masih terdapat ruang untuk peningkatan agar akurasi dapat mendekati 0.90 atau lebih, sehingga diperlukan penelitian lebih lanjut untuk meningkatkan performa model.
Berikutnya, perlu dieksplorasi dampak variabilitas bahasa dalam komentar YouTube, misalnya memanfaatkan model transfer learning multi-bahasa untuk meningkatkan akurasi klasifikasi di kalangan penonton non‑Indonesia. Selain itu, penelitian dapat memperluas cakupan data dengan mengintegrasikan komentar dari platform media sosial lain seperti Instagram dan Twitter guna membandingkan persepsi publik lintas platform dan menilai konsistensi model. Penelitian lanjutan juga dapat menelusuri hubungan antara sentimen publik dan variabel socio‑ekonomi, seperti pendapatan dan tingkat kecenderungan mobilitas, guna memetakan faktor yang memengaruhi persepsi terhadap proyek kereta cepat Whoosh. Semua pendekatan ini akan memperkaya pemahaman holistik tentang bagaimana persepsi publik membentuk keberhasilan proyek infrastruktur besar.
- Survei Tentang Analisis Sentimen Pada Media Sosial | Majalah Ilmiah Teknologi Elektro. survei analisis... doi.org/10.24843/mite.2021.v20i02.p01Survei Tentang Analisis Sentimen Pada Media Sosial Majalah Ilmiah Teknologi Elektro survei analisis doi 10 24843 mite 2021 v20i02 p01
- SENTIMEN ANALISIS CHATGPT DENGAN ALGORITMA NAÏVE BAYES DAN OPTIMASI PSO | INTI Nusa Mandiri. sentimen... doi.org/10.33480/inti.v18i1.4230SENTIMEN ANALISIS CHATGPT DENGAN ALGORITMA NAyaVE BAYES DAN OPTIMASI PSO INTI Nusa Mandiri sentimen doi 10 33480 inti v18i1 4230
- Framing Analysis of Indonesian Fast Train on detik.com | Gema Kampus IISIP YAPIS Biak. framing analysis... doi.org/10.52049/gemakampus.v18i2.327Framing Analysis of Indonesian Fast Train on detik Gema Kampus IISIP YAPIS Biak framing analysis doi 10 52049 gemakampus v18i2 327
- Komparasi Metode Single Moving Average dan Double Exponential Smoothing untuk Peramalan Penjualan Produk... ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/4143Komparasi Metode Single Moving Average dan Double Exponential Smoothing untuk Peramalan Penjualan Produk ejurnal stmik budidarma ac index php jurikom article view 4143
| File size | 652.23 KB |
| Pages | 14 |
| DMCA | Report |
Related /
STMIK BANJARBARUSTMIK BANJARBARU Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan menggunakan kecerdasan buatan (AI) untuk mengotomatisasi proses identifikasi motif kainPenelitian ini bertujuan untuk mengatasi tantangan tersebut dengan menggunakan kecerdasan buatan (AI) untuk mengotomatisasi proses identifikasi motif kain
STMIK BANJARBARUSTMIK BANJARBARU Parameter yang dianalisis meliputi total waktu tunggu, rata-rata waktu tunggu, dan total waktu layanan. Validasi melalui simulasi Python menunjukkan errorParameter yang dianalisis meliputi total waktu tunggu, rata-rata waktu tunggu, dan total waktu layanan. Validasi melalui simulasi Python menunjukkan error
POLIBANPOLIBAN Kesehatan mental sangat mempengaruhi kehidupan global, dengan sekitar 300 juta orang mengalami depresi pada 2019, termasuk 15,6 juta di Indonesia. PandemiKesehatan mental sangat mempengaruhi kehidupan global, dengan sekitar 300 juta orang mengalami depresi pada 2019, termasuk 15,6 juta di Indonesia. Pandemi
STMIK BANJARBARUSTMIK BANJARBARU Hasil penelitian menunjukkan bahwa metode ini mampu mengenali wajah dengan akurasi tinggi, dengan nilai confidence rata-rata mencapai 87.95% dan nilaiHasil penelitian menunjukkan bahwa metode ini mampu mengenali wajah dengan akurasi tinggi, dengan nilai confidence rata-rata mencapai 87.95% dan nilai
STMIK BANJARBARUSTMIK BANJARBARU DelusionShoes menjual banyak brand sepatu untuk semua usia dan menapaki bisnis offline di mall serta plaza. Penjualan masih terbatas pada transaksi tatapDelusionShoes menjual banyak brand sepatu untuk semua usia dan menapaki bisnis offline di mall serta plaza. Penjualan masih terbatas pada transaksi tatap
STMIK BANJARBARUSTMIK BANJARBARU 7561 dan nilai Root Mean Squared Error (RMSE) adalah 1. 0634. Ini menunjukkan bahwa akurasi sistem rekomendasi adalah sekitar 91.60% berdasarkan Mean Squared7561 dan nilai Root Mean Squared Error (RMSE) adalah 1. 0634. Ini menunjukkan bahwa akurasi sistem rekomendasi adalah sekitar 91.60% berdasarkan Mean Squared
STMIK BANJARBARUSTMIK BANJARBARU Model Random Forest mampu mengklasifikasikan sentimen dengan akurasi 81%. Hasil ini menunjukkan potensi penggunaan platform media sosial dan teknik machineModel Random Forest mampu mengklasifikasikan sentimen dengan akurasi 81%. Hasil ini menunjukkan potensi penggunaan platform media sosial dan teknik machine
STMIK BANJARBARUSTMIK BANJARBARU Hasil implementasi dari riset ini dapat memberikan solusi permasalahan pada Perusahaan Ekspor “X dalam pencatatan dan pelaporan persediaan barang. SistemHasil implementasi dari riset ini dapat memberikan solusi permasalahan pada Perusahaan Ekspor “X dalam pencatatan dan pelaporan persediaan barang. Sistem
Useful /
STIM YKPNSTIM YKPN Penelitian dilakukan pada Mei‑Juli 2021 di Dazzle Store Yogyakarta dengan sampel 76 karyawan yang dipilih menggunakan disproportionate stratified randomPenelitian dilakukan pada Mei‑Juli 2021 di Dazzle Store Yogyakarta dengan sampel 76 karyawan yang dipilih menggunakan disproportionate stratified random
STMIK BANJARBARUSTMIK BANJARBARU Data yang dianalisis terdiri dari 856 komentar di YouTube dengan kata kunci Aplikasi Jenius. Model LSTM diimplementasikan untuk mengidentifikasi persepsiData yang dianalisis terdiri dari 856 komentar di YouTube dengan kata kunci Aplikasi Jenius. Model LSTM diimplementasikan untuk mengidentifikasi persepsi
STMIK BANJARBARUSTMIK BANJARBARU Hasil ini memungkinkan apotek mengelola inventaris secara lebih efisien, mengurangi risiko obat kadaluarsa, dan memastikan ketersediaan obat yang diperlukan.Hasil ini memungkinkan apotek mengelola inventaris secara lebih efisien, mengurangi risiko obat kadaluarsa, dan memastikan ketersediaan obat yang diperlukan.
STMIK BANJARBARUSTMIK BANJARBARU Pada penelitian ini dibahas mengenai penerapan algoritma yang mampu meningkatkan efisiensi dan efektivitas dalam mengelola berbagai proses. Pemilihan algoritmaPada penelitian ini dibahas mengenai penerapan algoritma yang mampu meningkatkan efisiensi dan efektivitas dalam mengelola berbagai proses. Pemilihan algoritma