Record Details

Analisis Sentimen Tokocrypto pada Twitter menggunakan Metode Long Short-Term Memory

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Analisis Sentimen Tokocrypto pada Twitter menggunakan Metode Long Short-Term Memory
 
Added Entry - Uncontrolled Name Toruan, Caesar Rio Anggina
Yudistira, Novanto
Perdana, Rizal Setya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. PT. Digital Indonesia Berkat atau yang disebut Tokocrypto merupakan perusahaan exchange cryptocurrency yang berpusat di Jakarta yang terdaftar resmi di Badan Pengawas Perdagangan Berjangka Komoditi (Bappebti). Tingkat kepuasan pelanggan tentu sangat penting untuk diperhatikan agar perusahaan bisa mendapatkan keuntungan dan mempertahankan pengguna layanan untuk terus menggunakan layanan milik perusahaan maupun menarik calon pengguna layanan. Sentimen masyarakat terhadap suatu cryptocurrency juga dapat berpengaruh terhadap harga dari cryptocurrency tersebut seperti cryptocurrency yang dimiliki Tokocrypto yang bernama TKO. Banyaknya data yang diberikan oleh pelanggan akan memakan waktu lama untuk dianalisis secara manual. Untuk mengatasinya, dapat dilakukan analisis sentimen menggunakan model pembelajaran mesin yang dapat memahami isi umpan balik pelanggan Tokocrypto. Penelitian ini menerapkan metode Bidirectional LSTM untuk mengklasifikasikan analisis sentimen menggunakan data tweet pengguna layanan Tokocrypto. Selain itu, diterapkan pengolahan awal data teks diperlukan untuk mengatasi umpan balik pelanggan yang mencakup kata-kata dan bahasa gaul yang tidak baku yang menyebabkan model kurang memahami makna aslinya. Model juga disesuaikan dengan hyperparameter dengan metode grid search sehingga model mendapatkan kombinasi parameter yang optimal. Pengubahan kata tidak baku tidak menjamin meningkatkan akurasi dari model namun tetap dapat membantu menghasilkan model yang lebih baik dengan hasil evaluasi antara lain nilai f1-score 0.9485, nilai precision 0,9423, nilai recall 0.92, nilai training loss 0.0001 dan nilai validation loss 0.0004.
 
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/12293
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 7 No 2 (2023): Februari 2023
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com