Analisis Sentimen Pengguna Sosisal Media Menggunakan Metode Long Short Term Momory

Abstract

Social media is a medium that can be used to share information between users which causes them to be filled with various sentiments about something that is currently being discussed. Twitter is a social media that is filled with various sentiments from its users and can be in the form of negative, neutral, or positive sentiments. In this case, Twitter has not provided a tool that is able to aggregate the overall sentiment shown by its users regarding a product, issue or service and it takes a longer time if the sentiment is classified manually so that a system that can analyze these sentiments is needed. using a network method full of imitation, namely Long Short Term Memory. Based on the test results of several parameters carried out on the Long Short Term Memory method to carry out the sentiment analysis process, the best performance was obtained, namely an accuracy value of 76% using the number of neurons of 16 in the LSTM layer, ADAM learning rate of 0.0001, epoch 50, and batch. size 128.

Sosial media merupakan media yang dapat digunakan untuk saling berbagi informasi antar pengguna yang menyebabkannya dipenuhi dengan berbagai sentimen akan suatu hal yang sedang marak dibicarakan. Twitter merupakan salah satu media sosial yang dipenuhi dengan beragamnya sentimen dari penggunanya dan dapat berupa sentimen negatif, netral, ataupun positif. Dalam hal ini, Twitter belum menyediakan suatu tools yang mampu mengagregasi keseluruhan sentimen yang ditunjukkan oleh penggunanya akan suatu produk, isu, atau layanan dan dibutuhkan waktu yang lebih lama jika sentimen tersebut di klasifikasikan secara manual sehingga diperlukan suatu sistem yang dapat melakukan analisis sentimen tersebut dengan menggunakan salah satu metode jaringan sarat tiruan, yaitu Long Short Term Memory. Berdasarkan hasil pengujian dari beberapa parameter yang dilakukan pada metode Long Short Term Memory untuk melakukan proses analisis sentimen, didapatkan performa terbaik yaitu nilai akurasi sebesar 76% dengan menggunakan jumlah neuron sebesar 16 pada lapisan LSTM, learning rate ADAM sebesar 0.0001, epoch 50, dan batch size 128.