Kawatu, Clinton Imanuel
(2024)
Penerapan Metode Gated Recurrent Unit Pada Analisis Sentimen Media Sosial.
Fakultas Teknik Unsrat.
Abstract
Abstract — This research is motivated by the increasingly varied opinions from the public about their experiences using a shipping company through social media, which makes it time – consuming for shipping company to manually collect and analyze costumer feedback. The purpose of this research is to develop a wae – based text sentiment analysis application to help shipping companies extract and understand the feelings and opinions from the public from text posted on social media, spesifically Twitter, with each opinion classified into three categories: positive, negative, and neutral. In this study, the methods used is the Gated Recurrent Unit (GRU) algorithm, which has the ability to capture long – term dependencies in sequential data, such as social media texts, that can process and understand the context of long and complex sentences, therby providing accurate results. By conducting this analysis, companies can identify areas that need improvement, understand costumer satisfaction trends, and design better strategies to enchance service quality. Additionaly, the results of this research are expected to make a significant contribution to the field of costumer service management and data – driven business development.
Key words : Social Media, Sentiment Analysis, Twitter, Gated Recurrent Unit
Abstrak — Penelitian ini dilatarbelakangi oleh opini dari masyarakat yang semakin bervariatif tentang pengalaman mereka dalam menggunakan suatu perusahaan ekspedisi barang melalui media sosial, yang membuat para perusahaan ekspedisi memakan waktu yang lama dalam mengumpulkan dan menganalisis umpan balik pelanggan secara manual. Tujuan dari penelitian ini adalah membuat aplikasi analisis sentimen teks berbasis web untuk membantu perusahaan ekspedisi dalam mengekstraksi dan memahami perasaan serta opini dari masyarakat dari teks yang diposting dari media sosial Twitter, yang tentunya setiap opini akan diklasifikasi menjadi tig akelas yaitu positif, negatif, dan netral. Dalam penelitian ini, metode yang digunakan adalah algoritma Gated Recurrent Unit (GRU) yang memiliki kemampuan untuk menangkap dependensi jangka panjang dalam data sekuensial, seperti teks media sosial serta mampu memproses dan memahami konteks dari kalimat – kalimat yang panjang dan kompleks, sehingga memberikan hasil yang akurat. Dengan melakukan analisis ini, perusahaan dapat mengidentifikasi area yang memerlukan perbaikan, memahami tren kepuasan pelanggan, dan merancang strategi yang lebih baik untuk meningkatkan kualitas layanan. Selain itu, hasil penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam bidang manajemen layanan pelanggan dan pengembangan bisnis berbasis data.
Kata Kunci : Media Sosial, analisis sentimen, Twitter, Gated Recurrent Unit
Actions (login required)
|
View Item |