KLASIFIKASI SENTIMEN TWITTER MENGGUNAKAN LSTM

Firman Yuspriyadi
{"title":"KLASIFIKASI SENTIMEN TWITTER MENGGUNAKAN LSTM","authors":"Firman Yuspriyadi","doi":"10.46880/mtk.v9i1.1720","DOIUrl":null,"url":null,"abstract":"Salah satu media sosial yang berkembang sangat pesat penggunanya adalah Twitter, jumlah pengguna twitter disebutkan terus meningkat 300.000 user setiap harinya. Para pengguna twitter mengirimkan twitter post (tweet) mengenai fakta dan opini produk atau layanan pemerintah yang mereka gunakan atau mengekspresikan pandangan politik, ideologis dan minat mereka. Tidak terkecuali juga mengirimkan tweet opini terkait pemimpin atau tokoh publik yang berpengaruh di negara ini. Dengan 55 juta tweet setiap harinya menjadikan twitter memiliki tingkat update yang tinggi dan menjadi gudang data yang sangat efisien untuk penelitian dibidang politik dan sosial, sehingga twitter merupakan tempat yang baik untuk melakukan opinion mining atau analisis sentimen dalam mengklasifikasikan tweet. Penelitian ini bertujuan untuk melakukan pengklasifikasian tweet berdasarkan sentimen positif, negatif dengan menggunakan metode LSTM. Dataset yang digunakan berasal dari https://github.com/riochr17/Analisis-Sentimen-ID. Berdasarkan hasil pengujian memperlihatkan bahwa metode LSTM memiliki hasil akurasi sebesar 0.539, F1 Score 0.7","PeriodicalId":384219,"journal":{"name":"METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi","volume":"11 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-03-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.46880/mtk.v9i1.1720","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Salah satu media sosial yang berkembang sangat pesat penggunanya adalah Twitter, jumlah pengguna twitter disebutkan terus meningkat 300.000 user setiap harinya. Para pengguna twitter mengirimkan twitter post (tweet) mengenai fakta dan opini produk atau layanan pemerintah yang mereka gunakan atau mengekspresikan pandangan politik, ideologis dan minat mereka. Tidak terkecuali juga mengirimkan tweet opini terkait pemimpin atau tokoh publik yang berpengaruh di negara ini. Dengan 55 juta tweet setiap harinya menjadikan twitter memiliki tingkat update yang tinggi dan menjadi gudang data yang sangat efisien untuk penelitian dibidang politik dan sosial, sehingga twitter merupakan tempat yang baik untuk melakukan opinion mining atau analisis sentimen dalam mengklasifikasikan tweet. Penelitian ini bertujuan untuk melakukan pengklasifikasian tweet berdasarkan sentimen positif, negatif dengan menggunakan metode LSTM. Dataset yang digunakan berasal dari https://github.com/riochr17/Analisis-Sentimen-ID. Berdasarkan hasil pengujian memperlihatkan bahwa metode LSTM memiliki hasil akurasi sebesar 0.539, F1 Score 0.7
使用LSTM对TWITTER上的情绪分类
Twitter是一个迅速发展的社交媒体用户,据报道,Twitter用户每天都在增加30万用户。twitter用户发布关于他们使用或表达政治、意识形态和兴趣的产品或政府服务的事实和观点的twitter消息。也不例外,在推特上就美国有影响力的领导人或公众人物发表意见。推特每天有5500万条推特,使推特更新高度,成为政治和社会研究最有效的数据存储库,因此推特是对推特发表意见或分析感情的好地方。本研究旨在通过LSTM方法进行基于积极情绪、消极情绪的twitter分类。使用的数据来自https://github.com/riochr17/analysis - vimen id。根据测试结果,LSTM方法的准确性相当于0.539 F1分数0.7
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信