PERBANDINGAN PENDEKATAN DEEP LEARNING(FFNN, RNN, LSTM & CNN) DAN MACHINE LEARNING (Logistic Regression, SVC, NB & KNN) UNTUK KLASIFIKASI SENTIMEN DATA BERITA

Nor Anisa, NIM.: 21206052009 (2023) PERBANDINGAN PENDEKATAN DEEP LEARNING(FFNN, RNN, LSTM & CNN) DAN MACHINE LEARNING (Logistic Regression, SVC, NB & KNN) UNTUK KLASIFIKASI SENTIMEN DATA BERITA. Masters thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (PERBANDINGAN PENDEKATAN DEEP LEARNING(FFNN, RNN, LSTM & CNN) DAN MACHINE LEARNING (Logistic Regression, SVC, NB & KNN) UNTUK KLASIFIKASI SENTIMEN DATA BERITA) 21206052009_BAB-I_IV-atau-V_DAFTAR-PUSTAKA (1).pdf - Published Version Download (3MB) | Preview
	Text (PERBANDINGAN PENDEKATAN DEEP LEARNING(FFNN, RNN, LSTM & CNN) DAN MACHINE LEARNING (Logistic Regression, SVC, NB & KNN) UNTUK KLASIFIKASI SENTIMEN DATA BERITA) 21206052009_BAB-II_sampai_SEBELUM-BAB-TERAKHIR (1).pdf Restricted to Registered users only Download (6MB) | Request a copy

Abstract

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.

Share this knowledge with your friends :

Actions (login required)

View Item