Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Muhammad Aditya, Andika
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP BOIKOT PRODUK ISRAEL PADA MEREK DAGANG UNILEVER INDONESIA MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY Muhammad Aditya, Andika; Alam, Syariful; Andayani Komara, Mutiara
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10823

Abstract

Unilever Indonesia menghadapi tantangan serius terkait tanggapan publik terhadap isu sosial dan politik yang mempengaruhi citra merek dan kinerja keuangan mereka, terutama setelah dugaan dukungan akan tindakan Israel terhadap Palestina yang memicu gerakan boikot di Indonesia. Penelitian ini melibatkan algoritma Long Short Term Memory (LSTM) untuk melakukan klasifikasi sentimen. Data teks diubah menjadi vektor numerik melalui teknik Word2Vec dengan dimensi 300. Ada dua skenario pengujian yang dilakukan untuk mencapai akurasi terbaik yaitu skenario pertama dengan 80% data latih dan 20% data uji, sementara skenario kedua menggunakan 90% data untuk pelatihan dan 10% untuk pengujian. Beberapa parameter diuji, termasuk jumlah neuron pada layer LSTM, layer dropout, jumlah epoch, ukuran batch, dan nilai learning rate untuk meminimalisir overfitting dan meningkatkan kinerja model. Hasil penelitian menunjukkan skenario kedua lebih baik, dengan akurasi pelatihan 95,17% dan akurasi pengujian 77,11%, dibandingkan skenario pertama dengan akurasi pelatihan 97,58% dan akurasi pengujian 74,40%, yang mengindikasikan overfitting. Skenario kedua juga menunjukkan peningkatan dalam nilai presisi, recall, dan F1-Score, menunjukkan bahwa LSTM yang dioptimalkan dapat mencapai hasil terbaik dalam klasifikasi sentimen positif, negatif, dan netral.
Co-Authors Mutiara Andayani Komara Syariful Alam