Analisis sentimen Film “Avengers: Endgame” menggunakan Metode Berbasis Jaringan Saraf LSTM dan BILSTM

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.