M. RIDHO SAPUTRA, - (2025) KLASIFIKASI SENTIMEN PADA DATASET YANG TERBATAS MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Bulletin of Computer Science Research, 4 (4). pp. 522-531. ISSN ISSN 2774-3659 (Media Online)

Preview	Text (JURNAL ARTIKEL) M. RIDHO SAPUTRA NIM. 12050116746_compressed - M.RIDHO SAPUTRA Teknik Informatika.pdf - Published Version Download (1MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI DOSEN) surat izin publikasi, M. Ridho Saputra-12050116746 - M.RIDHO SAPUTRA Teknik Informatika.pdf - Published Version Download (638kB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI MAHASISWA) surat pernyataan, persetuan publikasi, m. ridho - M.RIDHO SAPUTRA Teknik Informatika.pdf - Published Version Download (431kB) | Preview

Abstract

Abstrak−Penelitian ini bertujuan untuk menganalisis respons publik terhadap penunjukan Kaesang Pangarep sebagai Ketua Umum Partai Solidaritas Indonesia (PSI) dengan pendekatan klasifikasi sentimen berbasis algoritma Convolutional Neural Network (CNN). Dataset utama berisi 300 tweet berbahasa Indonesia yang diklasifikasikan ke dalam tiga kategori sentimen: positif, negatif, dan netral. Keterbatasan jumlah data pelatihan menjadi tantangan utama karena dapat menghambat kemampuan model dalam melakukan generalisasi. Untuk mengatasi kendala ini, perluasan data dilakukan dengan menggabungkan data eksternal dengan topik Covid-19 dan Open Topic. Tahapan pra-pemrosesan mencakup pembersihan teks, normalisasi, dan tokenisasi. Model CNN yang dikembangkan menggunakan arsitektur berlapis dengan penerapan teknik regularisasi seperti L2 dan dropout guna mengurangi risiko overfitting. Metrik akurasi, F1-Score, Precision dan Recall digunakan untuk mengevaluasi performa model. Hasil pengujian menunjukkan bahwa F1-Score sebesar 0,62 pada data validasi dan 0,51 pada data uji, menunjukkan bahwa kinerja terbaik diperoleh ketika data Kaesang dan Covid-19 digabungkan. Temuan ini menunjukkan bahwa menambahkan data eksternal dapat meningkatkan akurasi klasifikasi, bahkan dalam kondisi data yang terbatas. Penelitian ini berkontribusi pada pengembangan metode klasifikasi sentimen berbasis deep learning untuk teks bahasa Indonesia.

Actions (login required)

View Item