TY  - THES
N1  - Pembimbing:
Dr. Ir. Bambang Sugiantoro, S.Si., M.T.
ID  - digilib59862
UR  - https://digilib.uin-suka.ac.id/id/eprint/59862/
A1  - Nor Anisa, NIM.: 21206052009
Y1  - 2023/04/12/
N2  - Penelitian ini dilakukan untuk membandingkan performa pendekatan Deep Learning (FFNN, RNN, LSTM, dan CNN) dan Machine Learning (Logistic Regression, SVC, NB, dan KNN) dalam klasifikasi sentimen data berita. Dataset yang digunakan dalam penelitian ini adalah dataset berita yang telah dilabeli sentimennya. Evaluasi performa dilakukan dengan menggunakan metrik akurasi, presisi, recall, dan F1 score pada data uji. Hasil penelitian menunjukkan bahwa pendekatan Deep Learning memberikan performa yang lebih baik daripada pendekatan Machine Learning dalam klasifikasi sentimen data berita. Model LSTM merupakan model yang memberikan performa terbaik dengan nilai akurasi sebesar 75,70%, presisi sebesar 76,61%, recall sebesar 82,81%, dan F1 score sebesar 79,59%. Sedangkan model RNN merupakan model yang memberikan performa terburuk. Dalam hal pemilihan model, pemilihan tergantung pada kebutuhan dan tujuan penggunaan, serta kompleksitas dari dataset yang digunakan. Namun, berdasarkan hasil pengujian ini, dapat disimpulkan bahwa pendekatan Deep Learning lebih cocok untuk digunakan dalam klasifikasi sentimen data berita daripada pendekatan Machine Learning.
PB  - UIN SUNAN KALIJAGA YOGYAKARTA
KW  - deep learning; machine learning; sentiment analysis;
news classification; LSTM; RNN; CNN; FFNN; logistic
regression
M1  - masters
TI  - PERBANDINGAN PENDEKATAN DEEP LEARNING(FFNN, RNN, LSTM & CNN) DAN MACHINE LEARNING (Logistic Regression, SVC, NB & KNN) UNTUK KLASIFIKASI SENTIMEN DATA BERITA
AV  - restricted
EP  - 127
ER  -