Tassyirifiyya Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2024 id Indonesia

Skripsi

Penelitian ini mengumpulkan data lima besar partai politik di Indonesia dalam rentang Januari 2020 hingga Februari 2024, menghasilkan 370.053 baris data. Pelabelan emosi dilakukan menggunakan NRC Emotion Lexicon (EmoLex) pada teks untuk mengidentifikasi delapan kategori emosi. Penelitian ini bertujuan untuk melatih, mengevaluasi, dan membandingkan model Recurrent Neural Network (RNN) dengan Long Short Term Memory (LSTM) untuk menganalisis emosi pengguna platform X terhadap lima partai politik tersebut. Hasil menunjukkan bahwa LSTM lebih unggul daripada RNN dalam f1 score, loss, akurasi, presisi, dan recall. Pada data tidak seimbang, LSTM mencapai f1 score sebesar 0.85862, sedangkan RNN hanya 0.67795. Penerapan teknik Synthetic Minority Oversampling Technique (SMOTE) membantu menyeimbangkan data, tetapi tidak berdampak signifikan pada performa model. F1 score untuk model LSTM turun menjadi 0.79626, sementara RNN turun menjadi 0.58277. Visualisasi data mengindikasikan bahwa PKB, NasDem, dan Golkar didominasi emosi trust dan anticipation, sementara Gerindra menunjukkan dominasi emosi trust dengan peningkatan emosi fear yang sedikit. Di sisi lain, PDIP lebih banyak menerima emosi anger meskipun tetap memiliki tingkat trust yang tinggi. Berdasarkan rata-rata engagement, PDIP menempati posisi tertinggi yang menunjukkan bahwa unggahan terkait partai ini menarik perhatian publik. Model terbaik kemudian diimplementasikan dalam website berbasis Streamlit untuk memudahkan pemanfaatan hasil analisis. Kata kunci : Partai Politik, RNN, LSTM, EmoLex, Analisis Emosi ALGORITHMS - COMPUTER PROGRAMMING 005.1 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 142309 2024-12-09 23:11:19 2024-12-10 10:30:00 machine generated