Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Interactive Technology (JIITE)
Setiani, Khanifah Rizki
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media

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

Found 1 Documents
Search

 1 
Analisis Sentimen Ulasan Film Moana 2 di Website Letterboxd Menggunakan Algoritma CNN dan RNN Furqoni, Wiqor; Sindura, Izshauma Pahawana; Rahayuningtyas, Ika Puspita; Paunturi, Agyl; Setiani, Khanifah Rizki
Journal of Informatics and Interactive Technology Vol. 2 No. 1 (2025): April
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v2i1.56

Abstract

Platform digital seperti Letterboxd menyediakan ruang bagi pengguna untuk berbagi opini tentang film, sehingga memungkinkan analisis sentimen berdasarkan ulasan yang diberikan. Penelitian ini bertujuan untuk mengevaluasi sentimen ulasan film Moana 2 dengan memanfaatkan algoritma Convolutional Neural Network (CNN) dan Recurrent Neural Network (RNN). Data ulasan dikumpulkan melalui metode web scraping, menghasilkan 1.071 ulasan berbahasa Inggris yang kemudian diproses melalui tahap preprocessing, termasuk tokenisasi, stemming, lemmatization, dan normalisasi teks. Klasifikasi sentimen dilakukan ke dalam tiga kategori, yaitu positif, netral, dan negatif. Model CNN mencapai akurasi sebesar 79% dengan kemampuan unggul dalam mendeteksi pola lokal pada teks, sementara RNN memperoleh akurasi 70% dan lebih efektif dalam memahami hubungan antar kalimat. Kombinasi kedua algoritma ini menghasilkan performa yang baik dalam analisis teks dengan kompleksitas tinggi. Hasil penelitian ini memberikan manfaat bagi pembuat film dalam memahami respons penonton dan juga berpotensi diterapkan pada analisis sentimen di sektor lainnya. Penelitian lanjutan disarankan untuk mengembangkan pendekatan hybrid guna meningkatkan akurasi dan kinerja algoritma secara keseluruhan.
Co-Authors Furqoni, Wiqor Paunturi, Agyl Rahayuningtyas, Ika Puspita Sindura, Izshauma Pahawana