<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="16201">
<titleInfo>
<title>ANALISIS SENTIMEN KONTEN SOSIAL MEDIA
INSTAGRAM STMIK AKAKOM YOGYAKARTA</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Ariesta Damayanti, S.Kom., M.Cs.</namePart>
<role><roleTerm type="text">Contributor</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Aryadani, Dede - 165410057</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>STMIK AKAKOM Yogyakarta</publisher>
<dateIssued>2020</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent></extent>
</physicalDescription>
<note>Media sosial merupakan ruang publik baru untuk menyalurkan pendapat dan
gagasan. Media sosial seperti Instagram telah dimanfaatkan oleh STMIK
AKAKOM Yogyakarta untuk memberikan informasi terkait instansi sekolah tinggi
tersebut. Informasi-informasi tersebut nantinya dapat menjadi topik pembicaraan
dan hal menarik untuk dibahas oleh masyarakat. Respon atau tanggapan masyarakat
terhadap konten Instagram STMIK AKAKOM Yogyakarta tersebut tentunya sangat
beragam. Oleh karena itu, peneliti mencoba untuk menganalisa komentar yang
membicarakan tentang konten dari Instagram STMIK AKAKOM Yogyakarta.
Analisis sentimen dilakukan dengan menggunakan metode Recurrent
Neural Network (RNN) dengan Long Short Term Memory (LSTM). Komentar akan
diidentifikasi apakah komentar memiliki sentimen positif, netral, atau negatif.
Penelitian ini menggunakan data sebanyak 1.473 data yang diperoleh dari hasil
crawling.
Hasil dari penelitian ini adalah sebuah sistem yang dapat mengklasifikasi
sentimen. Tingkat akurasi pengujian yang didapatkan sebesar 65% dan tingkat
akurasi penerapan yang didapatkan sebesar 79,46%. Beberapa kendala dalam
proses analisis sentimen adalah data komentar yang jumlahnya tidak seimbang
(imbalanced dataset) sehingga perlu dilakukan beberapa langkah tambahan dalam
menyiapkan data untuk pelatihan model.
Kata kunci : Analisis Sentimen, Deep Learning, RNN, LSTM, Instagram.</note>
<subject authority=""><topic>INSTAGRAM</topic></subject>
<subject authority=""><topic>Media Sosial</topic></subject>
<subject authority=""><topic>Analisis Sentimen</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>170 Ary A R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">ARY017020TIO1</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>170 Ary A R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>16201</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2020-12-16 10:15:41</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2020-12-16 10:17:10</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>