PENGARUH MATRIKS FILTER, KERANGKA, DAN PRA PELATIHAN PADA PENINGKATAN KINERJA PELATIHAN CNN UNTUK ANALISIS SENTIMEN

MOCH ARI NASICHUDDIN, Teguh Bharata Adji, S.T., M.T., M.Eng., Ph.D.; Widyawan, S.T., M.Eng., Ph.D.

2018 | Tesis | MAGISTER TEKNOLOGI INFORMASI

Pendekatan memakai metode Deep Learning memberikan hasil yang bagus dalam implementasi di berbagai bidang, tak terkecuali di bidang Analisis Sentimen. Salah satu metode Deep Learning yakni CNN, mampu memberikan akurasi yang bagus di beberapa penelitian sebelumnya. Namun masih ada beberapa bagian dalam proses training yang dapat diperbaiki untuk meningkatkan tingkat akurasi dan waktu pelatihannya. Penelitian ini mencoba melakukan perbaikan pada model CNN untuk mendapatkan akurasi dan waktu proses yang terbaik. Untuk memenuhi tujuan tersebut maka diterapkan beberapa tahap yakni dengan melakukan tuning pada penggunaan filter size, penggunaan library, dan penggunaan pre training. Hasil simulasi menunjukkan penggunaan filter size berukuran lebih kecil dan pre-training word2vec memberikan akurasi lebih besar mencapai daripada beberapa penelitian sebelumnya.

The approach using Deep Learning method provides great results in various field implementations, especially in Sentiment Analysis case. One of Deep Learning methods is CNN which has the ability to provide great accuracy in some previous research. However, there are some parts of the training process can be improved to upgrade the accuracy level and the training time. In this research, we try to improve the accuracy and processing time of sentiment analysis using CNN model. By tuning the filter size, frameworks, and pre training, the results show that the use of smaller filter size and pre training word2vec provide greater accuracy than some previous studies.

Kata Kunci : CNN, Deep Learning, Sentiment Analysis