PENERAPAN DEEP LEARNING PADA PENDETEKSIAN SARKASME MENGENAI KENAIKAN BAHAN PANGAN DI TWITTER
Total View This Week0
Total View This Week0
Institusion
Universitas Teknokrat Indonesia
Author
CAHYADI, GALIH DWI
Subject
APLIKASI ANDROID
Datestamp
2023-10-19 02:06:32
Abstract :
Sarkasme adalah penggunaan kata-kata pedas untuk menyakiti hati orang lain, berupa cemoohan atau ejekan kasar. Deteksi sarkasme yaitu suatu studi yang melakukan analisis terhadap pendapat masyarakat pada media sosial twitter tentang tweet kenaikan bahan pangan (Sanjaya & Heksaputra, 2020). Data tweet diunduh menggunakan TAGS dengan total data 2430 melalui proses cleaning menjadi 1372 data kemudian dipreprocessing dan pelabelan secara manual menghasilkan data 783 positif, 359 netral dan 230 negatif. Dataset yang digunakan positif dan negatif pada ekstraksi fitur Word Embeddings (Glove) yaitu langkah merepresentasikan kata kemudian di deteksi sarkasme menggunakan metode Long Short Term-Memory (LSTM) melalui 3 gerbang yaitu input gate, forget gate, output gate dan metode Bidirectional Long Short-Term Memory (BiLSTM) struktur nya sama dan ada tambahan backward layer pada langkah prosesnya dan untuk validasi menggunakan Confusion Matrix. Hasil Penelitian nilai akurasi validasi data menggunakan metode (LSTM) akurasi 90.8% dengan hasil tidak sarkas (precision 0.90%, recall 0.45%, F1-Score 0.60%, support 42) dan sarkas (precision 0.91%, recall 0.99%, F1-Score 0.95%, support 232). Validasi data menggunakan metode (BiLSTM) akurasi 87.9% dengan hasil tidak sarkas (precision 0.74%, recall 0.33%, F1-Score 0.46%, support 42) dan sarkas (precision 0.89%, recall 0.98%, F1-Score 0.93%, support 232). Kata Kunci: Tweet, Sarkasme, Glove Embeddings, LSTM, BiLSTM
Sarkasme adalah penggunaan kata-kata pedas untuk menyakiti hati orang lain, berupa cemoohan atau ejekan kasar. Deteksi sarkasme yaitu suatu studi yang melakukan analisis terhadap pendapat masyarakat pada media sosial twitter tentang tweet kenaikan bahan pangan (Sanjaya & Heksaputra, 2020). Data tweet diunduh menggunakan TAGS dengan total data 2430 melalui proses cleaning menjadi 1372 data kemudian dipreprocessing dan pelabelan secara manual menghasilkan data 783 positif, 359 netral dan 230 negatif. Dataset yang digunakan positif dan negatif pada ekstraksi fitur Word Embeddings (Glove) yaitu langkah merepresentasikan kata kemudian di deteksi sarkasme menggunakan metode Long Short Term-Memory (LSTM) melalui 3 gerbang yaitu input gate, forget gate, output gate dan metode Bidirectional Long Short-Term Memory (BiLSTM) struktur nya sama dan ada tambahan backward layer pada langkah prosesnya dan untuk validasi menggunakan Confusion Matrix. Hasil Penelitian nilai akurasi validasi data menggunakan metode (LSTM) akurasi 90.8% dengan hasil tidak sarkas (precision 0.90%, recall 0.45%, F1-Score 0.60%, support 42) dan sarkas (precision 0.91%, recall 0.99%, F1-Score 0.95%, support 232). Validasi data menggunakan metode (BiLSTM) akurasi 87.9% dengan hasil tidak sarkas (precision 0.74%, recall 0.33%, F1-Score 0.46%, support 42) dan sarkas (precision 0.89%, recall 0.98%, F1-Score 0.93%, support 232). Kata Kunci: Tweet, Sarkasme, Glove Embeddings, LSTM, BiLSTM
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
