Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Bere, Emilianto Sefri
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
PERBANDINGAN KINERJA CONVOLUTIONAL NEURAL NETWORK, RECURRENT NEURAL NETWORK DAN LONG SHORT TERM MEMORY DALAM ANALISIS SENTIMEN Sefri Bere, Emilianto; R Kaesmetan, Yampi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13982

Abstract

Indonesia memiliki jumlah pengguna TikTok terbesar, dengan 157,6 juta pengguna, diikuti oleh Amerika Serikat dengan 120,5 juta pengguna. Beberapa hashtag populer yang berkaitan dengan Jokowi di TikTok antara lain #jokowi (769,3 ribu postingan), #jokowidodo (278,6 ribu postingan), dan #presidenjokowi (115,5 ribu postingan). Selama dua periode masa jabatan sebagai Presiden, Jokowi menerima jutaan komentar, baik positif maupun negatif, dari masyarakat Indonesia di TikTok. Penelitian ini menggunakan metode deep learning dengan algoritma Long Short-Term Memory (LSTM), Recurrent Neural Network (RNN), dan Convolutional Neural Network (CNN) untuk mengklasifikasikan sentimen pengguna TikTok terhadap Jokowi serta mengevaluasi performa deep learning dalam klasifikasi sentimen. Dalam penelitian ini, 1.029 komentar berhasil diklasifikasikan menjadi sentimen positif (529 komentar) dan negatif (500 komentar) menggunakan model LSTM, dengan hasil akurasi 86%, presisi 86%, recall 89%, dan F1-score 87%, meskipun terdapat 24 sampel False Positive (FP). Perbandingan dengan model lainnya menunjukkan bahwa RNN memiliki performa terbaik, dengan akurasi 88%, presisi 91%, recall 91%, dan F1-score 91%, sementara CNN mencapai akurasi 84%, presisi 85%, recall 85%, dan F1-score 85%. Keunggulan RNN terkait dengan karakteristik dataset yang terdiri dari komentar pendek, di mana mekanisme memori pada LSTM tidak memberikan peningkatan kinerja yang signifikan.
Co-Authors Binastya Anggara Sekti R Kaesmetan, Yampi