Record Details

Analisis Sentimen Pada Media Sosial Twitter Terhadap Undang-Undang Cipta Kerja Menggunakan Algoritma Backpropagation dan Term Frequency-Inverse Document Frequency

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Analisis Sentimen Pada Media Sosial Twitter Terhadap Undang-Undang Cipta Kerja Menggunakan Algoritma Backpropagation dan Term Frequency-Inverse Document Frequency
 
Added Entry - Uncontrolled Name Sandryan, Muhammad Kevin
Rahayudi, Bayu
Ratnawati, Dian Eka
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Media sosial merupakan wadah bagi masyarakat untuk membagikan pandangan mereka pada suatu hal atau kejadian tertentu. Salah satu hal yang diperbincangkan di media sosial adalah Undang-Undang Cipta Kerja (UU Cipta Kerja). UU Cipta Kerja merupakan Undang-Undang yang memuat penyederhanaan regulasi terkait kegiatan perizinan dalam memulai berusaha dan investasi dengan tujuan meningkatkan pertumbuhan ekonomi Indonesia. Twitter merupakan media sosial dimana banyak penggunanya membagikan opini mereka terkait Undang-Undang Cipta Kerja. Maka dari itu, Twitter dapat menjadi sumber untuk melakukan analisis terhadap opini penggunanya terkait UU Cipta Kerja. Penelitian ini dilakukan untuk menganalisis sentimen pada tweet (istilah untuk konten yang diunggah ke Twitter) mengenai UU Cipta Kerja dengan mengklasifikasikan tweet ke dalam dua kategori, yaitu sentimen positif dan negatif. Proses klasifikasi dilakukan dengan mengimplementasikan Jaringan Syaraf Tiruan (Artificial Neural Network) dengan algoritma pelatihan Backpropagation dan pembobotan term menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) ke dalam bahasa pemrograman Python. Terdapat beberapa tahapan pada penelitian ini, yaitu data scrapping, data labeling, preprocessing, term weighting, pelatihan, pengujian, serta evaluasi performa. Performa terbaik yang didapatkan oleh JST adalah akurasi sebesar 95%, precision sebesar 98%, recall sebesar 92.4%, dan f-measure sebesar 95.1%. Nilai tersebut diperoleh ketika Jaringan Syaraf Tiruan melakukan pelatihan sebanyak 1500 epoch, 1 hidden layer dengan 10 hidden node, serta learning rate sebesar 0.2.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/8514
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 2 (2021): Februari 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com