Text

Implementasi Metode Convolutional Neural Network untuk Klasifikasi Sentimen Ulasan Pengguna Aplikasi Mypertamina

---

Analisis sentimen telah banyak dilakukan dalam beberapa tahun terakhir,
memanfaatkan berbagai model pembelajaran mesin dan metode pembelajaran
mendalam. Convolutional Neural Networks (CNN), awalnya dikembangkan untuk
pemrosesan gambar, telah terbukti efektif dalam tugas klasifikasi teks juga.
Penelitian ini bertujuan untuk meningkatkan kinerja klasifikasi sentimen pada
review pelanggan MyPertamina dengan memanfaatkan model CNN dengan
embedding Word2Vec yang dikumpulkan dari Google Play Store. Model CNN
dengan Word2Vec dilatih untuk mengklasifikasikan ulasan ke dalam kelas sentimen
positif dan negatif. Model CNN, dropout rate, dan learning rate berpengaruh
signifikan terhadap performa klasifikasi. Performa terbaik dicapai dengan dropout
rate dan learning rate yang dapat mempengaruhi performa model klasifikasi. Hasil
review diperoleh kinerja terbaik saat nilai parameter learning rate 0,001 dan nilai
dropout 0,3, dengan akurasi 96,14%. Klasifikasi review pada aplikasi MyPertamina
menggunakan metode Convolutional Neural Network dengan model Word2Vec
mencapai hasil terbaik dengan akurasi sebesar 98,25%
Singkatnya, penelitian ini berfokus pada pemanfaatan Convolutional Neural
Network (CNN) dengan embedding Word2Vec untuk meningkatkan kinerja
klasifikasi sentimen pada review pelanggan MyPertamina.
Kata Kunci : Klasifikasi, WordVec, CNN, MyPertamina

---

Ketersediaan

1098E2023

1098 E 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1098 E 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Arta Marisa Pardede

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar