Analisis Sentimen IMDB Movie Reviews menggunakan Metode Long Short-Term Memory dan FastText

##plugins.themes.bootstrap3.article.main##

M. Aasya Aldin Islamy Indriati Indriati Putra Pandu Adikara

Abstrak

Perkembangan teknologi saat ini memudahkan manusia untuk menggali banyak informasi menggunakan internet seperti informasi ulasan atau opini wacana film. Opini masyarakat perihal film dapat ditemukan di laman IMDB. Dengan melakukan analisis sentimen pada opini masyarakat tentang film maka kita bisa menyimpulkan apakah suatu film lebih banyak mendapatkan opini positif atau opini negatif. Untuk melakukan analisis sentimen ini digunakan salah satu deep learning method yaitu Long Short-Term Memory (LSTM) dengan penambahan FastText sebagai vektor representasi kata pada dataset IMDB movie reviews sebanyak 50.000 data. Kinerja dengan menggunakan metode Long Short-Term Memory dan FastText ini menghasilkan accuracy 0,863; precision 0,865; recall 0,861; dan f1-score 0,863. Metode LSTM dan FastText ini menghasilkan kinerja yang lebih baik dibandingkan hanya menggunakan LSTM saja dengan selisih 0,053 pada nilai f1-score dengan perincian accuracy mencapai 0,808; precision mencapai 0,804; recall mencapai 0,816; f1-score mencapai 0,810 untuk metode LSTM saja.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Islamy, M., Indriati, I., & Adikara, P. Analisis Sentimen IMDB Movie Reviews menggunakan Metode Long Short-Term Memory dan FastText. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 9, p. 4106-4115, sep. 2022. ISSN 2548-964X. Tersedia pada: <https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11515>. Tanggal Akses: 28 sep. 2022
Bagian
Artikel