Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Hibatullah, Farras Husain
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Analisis Sentimen Berita Pemblokiran TikTok Shop Pada Kolom Komentar YouTube Menggunakan Long-Short Term Memory Hibatullah, Farras Husain; Indriati; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Di era modern ini, penggunaan internet dan media sosial tumbuh pesat, dengan platform seperti TikTok dan YouTube menjadi bagian penting dari kehidupan sehari-hari, khususnya di Indonesia. Baru-baru ini, pemblokiran TikTok Shop memicu perdebatan publik yang signifikan, berdampak pada pengguna, kreator, dan pelaku bisnis. Kebijakan ini menimbulkan berbagai tanggapan yang disampaikan melalui komentar di video YouTube terkait. Oleh karena itu, penelitian diperlukan untuk memahami sentimen publik mengenai isu ini melalui analisis sentimen. Penelitian ini berfokus pada analisis sentimen menggunakan Long-Short Term Memory (LSTM) untuk memberikan pemahaman tentang pandangan publik terhadap kebijakan tersebut, baik yang mendukung maupun menolak, serta memberikan masukan bagi pemerintah. Model LSTM dipilih karena kemampuannya dalam mempertahankan informasi jangka panjang dan berurutan. Penelitian ini juga mengeksplorasi pengaruh hyperparameter, seperti jumlah hidden unit, jenis optimizer, batch size, learning rate, dan jumlah epoch terhadap performa model LSTM. Hasil penelitian menunjukkan bahwa model LSTM mampu menghasilkan analisis sentimen yang cukup baik. Secara khusus, model LSTM dengan 32 hidden unit, Adam optimizer, learning rate sebesar 0,0001, batch size 64, dan 25 epoch mencapai accuracy 0,8128, precision 0,8180, recall 0,8128, dan f1-score 0,8119. Untuk hasil pengujian proses stemming dan juga pengubahan kata tidak baku memberikan hasil yang kurang signifikan dalam analisis sentimen pemblokiran TikTok Shop pada kolom komentar YouTube. Kata kunci: Analisis Sentimen, Long-Short Term Memory (LSTM), TikTok, TikTok Shop, YouTube, Word2Vec
Co-Authors Indriati Putra Pandu Adikara