Abstract:
Skripsi ini membahas analisis sentimen dengan menggunakan metode Long Short-Term Memory
(LSTM) dan Bidirectional Long Short-Term Memory (BiLSTM). Data yang berupa kata-kata
perlu diubah menjadi vektor numerik terlebih dahulu agar dapat menjadi masukan model
LSTM dan BiLSTM. Proses ini biasanya disebut word embedding. Pada proses ini, kata-kata
yang memiliki makna mirip akan memiliki representasi vektor yang lebih dekat dibandingkan
dengan kata-kata yang memiliki makna berbeda. Data yang digunakan adalah ulasan film
Avengers: Endgame yang diambil dari website IMDb. Alasan menggunakan ulasan film Avengers:
Endgame karena film ini merupakan salah satu film superhero yang sangat populer dan mendapat
banyak ulasan dari penonton. Tujuan penelitian ini adalah untuk mengetahui proses pengolahan
data yang memberikan performa baik dalam melakukan analisis sentimen. Hal yang dianalisis
adalah banyaknya ulasan yang digunakan dan beberapa metode word embedding. Model yang
dilatih dengan menggunakan 2000 ulasan Avengers: Endgame dan teknik Keras Embedding layer
menunjukkan bahwa model LSTM dan BiLSTM menggunakan 2 lapisan di mana terdapat 64
neurons pada lapisan pertama dan 24 neurons pada lapisan kedua memberikan hasil terbaik
dengan masing-masing akurasi senilai 85% untuk LSTM dan 83% untuk BiLSTM.
