<![CDATA[Penelitian ini bertujuan untuk mengeksplorasi sentimen masyarakat terhadap konten bahasa isyarat di media sosial Tiktok menggunakan pendekatan deep learning dengan model RNN(LSTM) dan BERT. Data dikumpulkan, diproses, dan dilabelli untuk membentuk dataset yang digunakan dalam analisis. Hasil klasifikasi sentimen dari model RNN(LSTM) menunjukan tingkat akurasi sebesar 0.90%, menunjukan efektivitas model dalam membedakan sentimen antara dua kelas. Sementara itu, model BERT mencapai tingkat akurasi sebesar 0.80%, menunjukan kemampuan model dalam mengkalsifikasikan sentimen dari data yang diberikan. Penggabungan model RNN dan BERT menunjukan peningkatan kinerja dalam mengklasifikasikan sentimen, bahwa pendekatan gabungan dapat meingkatkan pemahaman model terhadap konten yang kompleks. Selain itu, kombinasi model BERT dengan RNN juga terbukti efektif dalam mengatasi kompleksitas analisis sentimen dalam konteks bahasa isyarat di media sosial. Evaluasi berkelanjutan dan validitas model yang melibatkan ahli dalam bahasa isyarat direkomendasikan untuk memastikan keberlanjutan dan validitas model yang dikembangkan. Penelitian ini diharapkan dapat memberikan kontribusi penting dalam memahami pengaruh media sosial terhadap pandangan masyarakat terhadap bahasa isyarat dan disabilitas pendengaran secara umum, serta memperkuat upaya menuju masyarakat yang lebih inklusif.]]>
Copyrights © 2025
