<![CDATA[Media sosial telah menjadi platform penting untuk berbagi konten dan interaksi, dengan jutaan gambar diposting setiap hari yang mencerminkan berbagai pengalaman dan emosi pengguna. Namun, analisis sentimen tradisional lebih sering dilakukan pada teks dibandingkan gambar. Penelitian ini bertujuan untuk mengembangkan model deep learning, khususnya Convolutional Neural Network (CNN), untuk melakukan analisis sentimen pada gambar. Model ini dirancang untuk mengekstraksi fitur visual dan mengklasifikasikan gambar berdasarkan sentimen (positif, negatif, atau netral). Metode yang digunakan meliputi pengumpulan 50 gambar dari platform media sosial seperti Instagram, Twitter, dan Facebook, yang diberi label sentimen secara manual oleh anotator terlatih. Data kemudian diproses dengan membaginya menjadi data latih (40 gambar), validasi (5 gambar), dan uji (5 gambar). Pengembangan model menggunakan arsitektur CNN seperti VGG16 dengan teknik transfer learning, diikuti dengan evaluasi performa menggunakan data uji. Hasil penelitian menunjukkan bahwa model deep learning yang dikembangkan mampu memprediksi sentimen gambar dengan akurasi 80%, menggunakan metrik seperti precision, recall, dan F1-score. Confusion matrix memberikan gambaran rinci mengenai prediksi yang benar dan salah untuk setiap kategori sentimen. Kesimpulannya, pendekatan deep learning, khususnya CNN, menunjukkan potensi besar dalam analisis sentimen gambar di media sosial. Meskipun ada beberapa kesalahan prediksi, model ini mampu memberikan wawasan berharga tentang reaksi pengguna terhadap konten. Untuk penelitian selanjutnya, disarankan untuk memperbaiki kesalahan prediksi dan meningkatkan akurasi model dengan metode pelabelan data dan pemilihan fitur yang lebih efektif. Teknologi ini juga dapat digunakan untuk mendukung pemantauan konten media sosial guna menciptakan lingkungan online yang lebih aman dan sehat bagi pengguna.]]>
Copyrights © 2024
