<![CDATA[Penelitian ini membahas penerapan Bi-LSTM (Bidirectional Long Short-Term Memory) denganoptimizer Adam dan Word2Vec dalam analisis sentimen publik terkait pembangunan Ibu Kota Negara (IKN)Indonesia. Dataset terdiri dari 14.317 komentar YouTube yang dikumpulkan menggunakan YouTube DataAPI v3 dari berbagai kanal berita dan pemerintah. Tahapan prapemrosesan mencakup case folding,pembersihan, normalisasi kata slang, penghapusan stopword, tokenisasi, dan stemming. Untuk mengatasiketidakseimbangan kelas, teknik SMOTE diterapkan, menghasilkan dataset seimbang dengan 8.912 sampeluntuk kelas positif dan negatif. Word2Vec digunakan untuk merepresentasikan kata dalam bentuk vektor gunamenangkap hubungan semantik antar kata. Model Bi-LSTM dilatih menggunakan optimizer Adam denganlearning rate 0,001 dan fungsi loss binary_crossentropy. Evaluasi model menggunakan confusion matrixmenunjukkan kinerja yang sangat baik dengan akurasi 98,34%, serta precision, recall, dan F1-score di atas97% untuk kedua kelas. Hasil ini menunjukkan bahwa kombinasi Bi-LSTM, Word2Vec, dan optimizer Adamefektif dalam analisis sentimen publik terkait pembangunan IKN. Penelitian selanjutnya disarankan untukmengeksplorasi teknik embedding yang lebih canggih seperti BERT atau model berbasis Transformer sertamengoptimalkan hiperparameter menggunakan Bayesian Optimization atau Genetic Algorithm gunameningkatkan performa model lebih lanjut.]]>
Copyrights © 2024
