Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan dan Teknologi Indonesia
Rahma, Ghaitsa Zahira
Unknown Affiliation
Education Engineering

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

Found 1 Documents
Search

 1 
Perbandingan Kinerja Algoritma Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN) pada Analisis Sentimen Pemilu Presiden 2024 Rahma, Ghaitsa Zahira; Rosyda, Miftahurrahma
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 2 (2025): JPTI - Februari 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.652

Abstract

Penelitian ini mengevaluasi kinerja algoritma Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN) dalam analisis sentimen opini masyarakat terkait Pemilihan Umum Presiden 2024 di Indonesia. Pentingnya penelitian ini terletak pada upaya memahami pola sentimen masyarakat terhadap isu politik melalui pendekatan pembelajaran mendalam. Data dikumpulkan dari opini pengguna Twitter menggunakan kata kunci tertentu selama periode November 2023 hingga April 2024. Metode yang digunakan meliputi crawling data, preprocessing, pembobotan TF-IDF, serta penyeimbangan data dengan metode SMOTETomek. Model dievaluasi menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa CNN dengan resampling mencapai rata-rata akurasi validasi 99%, sedangkan RNN hanya mencapai 77,13%. Tanpa resampling, CNN memiliki rata-rata akurasi 94% dibandingkan dengan RNN sebesar 87,04%. CNN terbukti unggul dalam presisi dan efisiensi waktu, terutama pada dataset tidak seimbang. Temuan ini memberikan wawasan penting tentang pemanfaatan algoritma pembelajaran mendalam untuk analisis sentimen politik dan dapat menjadi dasar bagi pengembangan metode serupa di masa depan.
Co-Authors Rosyda, Miftahurrahma