Systematic Literature Review: Analisis Sentimen Berbasis Deep Learning

Jurnal Teknologi dan Sistem Informasi Pub Date : 2023-08-31 DOI:10.25077/teknosi.v9i2.2023.132-140

Fitroh Fitroh, Fahmi Hudaya

{"title":"Systematic Literature Review: Analisis Sentimen Berbasis Deep Learning","authors":"Fitroh Fitroh, Fahmi Hudaya","doi":"10.25077/teknosi.v9i2.2023.132-140","DOIUrl":null,"url":null,"abstract":"Systematic literature review ini bertujuan untuk mengetahui tren penelitian analisis sentimen berbasis deep learning antara tahun 2020-2023. Fokus kajiannya adalah pada pemahaman tentang pemodelan yang digunakan oleh banyak peneliti, juga nilai akurasi dari masing-masing klasifikasi tersebut. Pertanyaan utama dalam SLR ini yaitu teknik analisis sentimen berbasis deep learning apa yang memberikan akurasi tertinggi. Peneliti menemukan 400 artikel terindeks Scopus dengan menggunakan Publish or Perish 8. Selanjutnya, penyaringan jurnal dan pencarian kluster menggunakan aplikasi Microsoft Excel, Zotero, Mendeley, dan VOS Viewer yang menghasilkan 105 artikel terpilih untuk dianalisis secara deskriptif. Berdasarkan hasil temuan metode yang populer digunakan dalam melakukan analisis sentimen berbasis deep learning dalam jangka waktu yang telah ditentukan adalah metode LSTM dan CNN, baik dilakukan satu metode maupun keduanya. Adapun akurasi tertinggi mencapai 99% dengan rata-rata 89% menggunakan metode LSTM. Pengetahuan ini dapat digunakan untuk mengusulkan model analisis sentimen berbasis deep learning yang memberikan akurasi tertinggi.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"56 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknologi dan Sistem Informasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.25077/teknosi.v9i2.2023.132-140","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

Systematic literature review ini bertujuan untuk mengetahui tren penelitian analisis sentimen berbasis deep learning antara tahun 2020-2023. Fokus kajiannya adalah pada pemahaman tentang pemodelan yang digunakan oleh banyak peneliti, juga nilai akurasi dari masing-masing klasifikasi tersebut. Pertanyaan utama dalam SLR ini yaitu teknik analisis sentimen berbasis deep learning apa yang memberikan akurasi tertinggi. Peneliti menemukan 400 artikel terindeks Scopus dengan menggunakan Publish or Perish 8. Selanjutnya, penyaringan jurnal dan pencarian kluster menggunakan aplikasi Microsoft Excel, Zotero, Mendeley, dan VOS Viewer yang menghasilkan 105 artikel terpilih untuk dianalisis secara deskriptif. Berdasarkan hasil temuan metode yang populer digunakan dalam melakukan analisis sentimen berbasis deep learning dalam jangka waktu yang telah ditentukan adalah metode LSTM dan CNN, baik dilakukan satu metode maupun keduanya. Adapun akurasi tertinggi mencapai 99% dengan rata-rata 89% menggunakan metode LSTM. Pengetahuan ini dapat digunakan untuk mengusulkan model analisis sentimen berbasis deep learning yang memberikan akurasi tertinggi.

查看原文本刊更多论文

系统文献综述:基于深度学习的情感分析

系统文献审查的目的是确定从20-2023年到2023年之间基于深度学习的研究分析的趋势。它的重点是理解许多研究人员使用的建模，以及每一种分类的准确性。SLR的主要问题是基于深度学习的情感分析技术，是什么提供了最高的准确性。研究人员发现了400篇使用persh或Perish 8索引的Scopus索引文章。接下来，用微软Excel、Zotero、Mendeley和VOS Viewer过滤期刊和search。在确定的时间内进行基于深度学习的情感分析的结果是LSTM方法和CNN方法，这两种方法都有。至于最高的准确率，平均89%的人使用LSTM方法达到99%。这些知识可以用来提出一个基于深度学习的情感分析模型，提供最高的准确性。

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

Jurnal Teknologi dan Sistem Informasi

自引率

0.00%

发文量

审稿时长

4 weeks