<?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="394">
<titleInfo>
<title>ANALISIS SENTIMEN TEMPAT WISATA DI YOGYAKARTArnMENGGUNAKAN METODE RECURRENT NEURALrnNETWORK DENGAN LONG SHORT TERM MEMORY</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Sri Redjeki, S.Si., M.Kom.</namePart>
<role><roleTerm type="text">Additional Author</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Harnantyo, Oni - 155410101</namePart>
<role><roleTerm type="text">Additional 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</publisher>
<dateIssued>2019</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>xiv, 46 hlm, ilus; 29 cm</extent>
</physicalDescription>
<note>Media sosial merupakan ruang publik baru untuk menyalurkan pendapatrndan gagasan. Media sosial seperti Twitter banyak digunakan untuk memberikanrnulasan terhadap tempat wisata terutama di Yogyakarta. Oleh karena itu, penelitirnmencoba untuk menganalisa tweet berbahasa Indonesia yang membicarakanrntentang beberapa tempat wisata di Yogyakarta.rnAnalisis sentimen dilakukan dengan menggunakan metode RecurrentrnNeural Network (RNN) dengan Long Short Tern Memory (LSTM). Tweet akanrndiidentifikasi apakah merupakan sentimen positif, netral, atau negatif. Penelitianrnini menggunakan data sebanyak 19.656 tweet yang diperoleh dari hasil crawling.rnHasil dari penelitian ini adalah sebuah sistem yang dapat mengklasifikasirnsentimen. Tingkat akurasi pelatihan yang didapatkan sebesar 99,31 %. Beberaparnkendala dalam proses analisis sentimen adalah data yang berisi kata – katarnsingkatan dan slang, dan masih sedikit referensi yang membahas penelitian ini.rnKata kunci : Analisis Sentimen, Deep Learning, RNN, LSTM, Twitter.</note>
<subject authority=""><topic>Metode Recurrent</topic></subject>
<subject authority=""><topic>Analisis</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>023 Har A R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">HAR002319 01TI</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>023 Har A R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>394</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2020-08-10 13:32:14</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2020-08-10 13:32:14</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>