PENGGUNAAN CONVOLUTIONAL NEURAL NETWORK UNTUK ANALISIS SENTIMEN OPINI LINGKUNGAN HIDUP KOTA DEPOK DI TWITTER

Putri Lannidya Parameswari
orcid
Universitas Gunadarma
Indonesia
Prihandoko Prihandoko
orcid
Universitas Gunadarma
Indonesia

Abstract
Lingkungan hidup Kota Depok seperti sungai, hutan, udara, dan sebagainya perlu untuk dijaga dan dikelola dengan baik. Hal ini dapat dibantu dengan membuat program analisis sentimen terhadap lingkungan hidup Kota Depok.  Program ini dibuat dengan tujuan untuk memberikan alternatif solusi kegiatan evaluasi kondisi dan pengelolaan lingkungan hidup Kota Depok. Metode penelitian yang digunakan adalah metode Cross-Industry Standard Process for Data Mining (CRISP-DM). Dengan metode ini, tahapan penelitian yang dilakukan adalah pengumpulan data, pemahaman bisnis, pemahaman data, data preprocessing, pemberian label data, pemodelan, evaluasi, dan deployment.  Analisis sentimen dilakukan terhadap opini masyarakat yang ada pada Twitter atau disebut dengan tweet. Data tweet yang terkumpul kemudian diolah dan dianalisis sentimennya menggunakan metode Convolutional Neural Network (CNN). Metode CNN ini diterapkan pada program sebagai metode klasifikasi. Pelatihan model menggunakan 8.975 data latih. Hasil uji coba model terhadap 3.051 data uji dengan epoch sebanyak 100 menunjukkan akurasi sebesar 86%. Program analisis sentimen ini dibuat menggunakan bahasa pemrograman Python. Website dengan kerangka kerja Flask berhasil dibuat sebagai representasi program untuk memudahkan pengguna melakukan analisis sentimen.
Keywords
Analisis Sentimen; Convolutional Neural Network; Deep Learning; Twitter; Lingkungan Kota Depok
References

Dinas Perumahan Rakyat Kawasan Permukiman dan Lingkungan Hidup, “Definisi Lingkungan Hidup Indonesia”, https://dprkplh.tanahlautkab.go.id. [Diakses: 28 April 2021].

Liu Bing, Sentiment Analysis and Opinion Mining, California: Morgan and Claypool Publisher, 2012.

Chengqing Zong, et al, Text Data Mining, Beijing: Tsinghua University Press, 2021.

Budi M. M. & Dwi H.W, “Aspect-Based Sentiment Analysis Approach with CNN”, 5th International Conference on Electrical Engineering, Computer Science and Informatics (EECSI), 1, 142-147, 2018, https://doi.org/10.1109/EECSI.2018.8752857.

Moch. Ari Nasichuddin, et al, “Performance Improvement Using CNN for Sentiment Analysis”, International Journal of Information Technology and Electrical Engineering (IJITEE) 2, 1, 9-14, 2018, https://doi.org/10.22146/ijitee.36642.

Faiz Adil K., et al, “Analisis Sentimen Terhadap Review Aplikasi Layanan E-Commerce Menggunakan Metode Convolutional Neural Network”, E-Proceeding of Engineering 7, 2, 4559-4566, 2020.

Navi Atri L., et al, “Metode Naïve Bayes Classifier dengan Textblob untuk Analisis Sentimen Terhadap Pelayanan Indihome dan First Media”, Seminar Nasional Teknologi Informasi dan Komunikasi STI&K 4, 1 , 283-288, 2020.

Devid Haryalesmana W. & Azhari S. N., “Peringkasan Sentimen Esktraktif di Twitter Menggunakan Hybrid TF-IDF dan Cosine Similarity”, Indonesian Journal of Computing and Cybernetics Systems 10, 2, 207-218, 2016, https://doi.org/10.22146/ijccs.16625.

Information
PDF
897 times PDF : 2314 times