Sedana, Ngakan Made Krisna (2024) Analisis Sentimen Pada Portal Berita Online Internasional Tentang Pariwisata Bali Menggunakan Metode LSTM. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1915101025-COVER.pdf Download (541kB) |
|
Text (ABSTRAK)
1915101025-ABSTRAK.pdf Download (82kB) |
|
Text (BAB 1 PENDAHULUAN)
1915101025-BAB 1 PENDAHULUAN.pdf Download (379kB) |
|
Text (BAB 2 KAJIAN TEORI)
1915101025-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (289kB) | Request a copy |
|
Text (BAB 3 METODE PENELITIAN)
1915101025-BAB 3 METODE PENELITIAN.pdf Restricted to Repository staff only Download (305kB) | Request a copy |
|
Text (BAB 4 PEMBAHASAN)
1915101025-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (994kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1915101025-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (83kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1915101025-DAFTAR PUSTAKA.pdf Download (159kB) |
|
Text (LAMPIRAN)
1915101025-LAMPIRAN.pdf Download (170kB) |
Abstract
Penelitian ini memberikan kontribusi dalam pemahaman yang lebih baik tentang tren dan isu yang sedang terjadi dalam industri pariwisata Bali melalui analisis sentimen isi berita. Isi berita tentang pariwisata Bali yang dipublikasikan oleh portal media online memiliki makna atau kesan positif, netral, ataupun negatif. Tujuan dari penelitian ini adalah mengembangkan sebuah model machine learning yang dapat mengklasifikasi isi berita tentang pariwisata bali serta menganalisis berdasarkan sentimen yang terkadung didalamnya. Model machine learning yang digunakan adalah LSTM dengan keras vectorizer. Data yang digunakan yaitu isi berita yang digunakan yang diambil dari portal media online seperti ABC News, 9News, Dailymail, Metro, Manchester Evening News, SBS, The Sun, The New Daily, dan Weekly Times Now yang dilabeli secara manual sesuai dengan sentiment yang terdapat pada isi berita. Proporsi pembagian dataset dalam penelitian ini adalah 90% untuk data training atau pelatihandan 10% untuk data testing atau pengujian. Hasil dari penelitian menunjukkan bahwa model LSTM dengan keras vectorizer menghasilkan akurasi sebesar 81,36%. Serta untuk dapat mengidentifikasi pola topik yang tersembunyi dalam kumpulan berita, dan mengelompokkan berita-berita yang memiliki topik atau isu yang serupa menggunakan LDA. Berdasarkan hasil perhitungan, didapatkan bahwa jumlah topik yang ideal dalam penelitian ini yaitu berbeda – beda berdasarkan sentiment dari data yang digunakan.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, LSTM, LDA, Berita Pariwisata |
| Subjects: | T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1) |
| Depositing User: | Ngakan Made Krisna Sedana |
| Date Deposited: | 17 Feb 2024 22:19 |
| Last Modified: | 17 Feb 2024 22:19 |
| URI: | http://repo.undiksha.ac.id/id/eprint/18671 |
Actions (login required)
 |
View Item |