Art Original

Analisis Sentimen Twitter Dalam Bahasa Minang Menggunakan Model Bert Dan Cnn: Perbandingan Hasil Dengan Dan Tanpa Pemrosesan Kamus

---

Penelitian ini berfokus pada analisis sentimen Twitter dalam Bahasa Minangkabau menggunakan model BERT dan CNN untuk membandingkan hasil dengan dan tanpa pemrosesan kamus. Data dikumpulkan dari Twitter menggunakan kata kunci dan tagar khas Minang. Proses pra-pemrosesan meliputi pembersihan teks, case folding, tokenisasi, penghapusan stopwords, dan stemming. Penggunaan kamus manual untuk pemrosesan data meningkatkan akurasi analisis sentiment. Hasil penelitian menunjukkan bahwa model BERT dengan pemrosesan kamus mencapai F1-Score, precision, recall, dan akurasi sebesar 0.91, sementara model BERT tanpa pemrosesan kamus mencapai F1-Score sebesar 0.86, precision 0.83, recall 0.89, dan akurasi 0.85. Untuk model CNN, hasil dengan pemrosesan kamus menunjukkan F1-Score sebesar 0.53, precision 0.62, recall 0.57, dan akurasi 0.57. Sedangkan model CNN tanpa pemrosesan kamus memiliki F1-Score sebesar 0.34, precision 0.25, recall 0.50, dan akurasi 0.50. Dari hasil Accuracy, Presision, Recall, dan F1-score yang telah di dapatkan dari setiap Model, BERT mendapatkan hasil yang paling baik, Hal ini menegaskan bahwa pemrosesan kamus memberikan kontribusi signifikan dalam meningkatkan performa model, terutama untuk bahasa daerah.

---

Availability

Detail Information

Call Number

Informatika 004 Riz A

Language

Indonesia

NPM

193510277

Publisher

Teknik Informatika : Universitas Islam Riau., 2024

Keyword(s)

Twitter
Bahasa Minang
Model Bert dan CNN

Other Information

Petugas

Handi

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment