Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Journal of System and Computer Engineering Jurnal Publikasi Ilmu Komputer dan Multimedia
Mudding, Andi Aljabar
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN MENGGUNAKAN ALGORITMA LSTM PADA MEDIA SOSIAL Mudding, Andi Aljabar; Arifin A Abd Karim
Jurnal Publikasi Ilmu Komputer dan Multimedia Vol 1 No 3 (2022): September : Jurnal Publikasi Ilmu Komputer dan Multimedia
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (350.775 KB) | DOI: 10.55606/jupikom.v1i3.517

Abstract

Sosial media menghasilkan banyak informasi seperti informasi terkait politik, social, budaya, olahraga bahkan pengetahuan. Tidak hanya itu, banyak dari masyarakat yang mengomentari suatu acara dari stasiun televisi tertentu melalui social media. Komentar-komentar tersebut bisa berupa komentar positif atau negative. Disisi lain, statsiun telivisi juga juga membutuhkan hal tersebut guna menjadi dasar dalam merancang suatu acara yang disukai dan bernilai postif oleh masyarakat. Salah satu metode machine learning yang dapat digunakan untuk menunjang hal tersebut adalah LSTM (Long Short Term Memory). Tujuan utama pada penelitian ini adalah bagaimana penggunaan metode LSTM dalam menentukan bentuk dari suatu komentar berupa komentar terhadap acara telivis tersebut, apakah acara tersebut bermuatan sentiment atau sebaliknya. Berdasarkan hasil pengujian menggunakan metode LSTM memperlihatkan tingkat akurasi sebesar 97% dan loss sebesar 12%.
Mengungkap Opini Publik: Pendekatan BERT-based-caused untuk Analisis Sentimen pada Komentar Film Mudding, Andi Aljabar
Journal of System and Computer Engineering Vol 5 No 1 (2024): JSCE: Januari 2024
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v5i1.1060

Abstract

BERT (Bidirectional Encoder Representations from Transformers) adalah model bahasa yang revolusioner dalam pemrosesan bahasa alami, mengandalkan encoder untuk menghasilkan representasi kontekstual dari teks input. Melalui pendekatan tokenisasi, embedding, dan attention mechanisms pada setiap layer transformer, BERT memungkinkan pemahaman hubungan antar kata secara mendalam dan bidireksional. Keunikan BERT terletak pada kemampuannya untuk memproses konteks dari kedua arah, menciptakan representasi vektor yang kaya makna. Model ini telah menjadi pionir dalam transfer learning di NLP, memungkinkan pemanfaatan representasi umum pada tugas-tugas khusus setelah proses pelatihan. Dengan demikian, BERT mengubah paradigma pemrosesan bahasa alami, membuka pintu untuk aplikasi yang lebih canggih seperti klasifikasi teks, analisis sentimen, dan pemahaman bahasa yang lebih kontekstual.
Co-Authors Arifin A Abd Karim