IMPLEMENTASI METODE CNN-BILSTM PADA DETEKSI UJARAN KEBENCIAN DALAM BAHASA INDONESIA PADA PLATFORM XZahra Areefa Ananta / Andika Setiawan, S.Kom., M.Cs. / Teknik Informatika, 2025Perkembangan media sosial telah mempermudah penyebaran informasi, namun juga meningkatkan potensi penyebaran ujaran kebencian berbasis agama, ras, fisik, jenis kelamin, dan bentuk penghinaan lainnya. Deteksi manual terhadap ujaran kebencian menjadi tidak efektif akibat besarnya volume percakapan di ... |
Perbandingan Performa Model Convolutional Neural Network–Bidirectional Long Short‑Term Memory (CNN‑BiLSTM) untuk Prediksi Harga Saham Tesla Menggunakan Data Historis dan Kombinasi dengan Sentimen XIVANDER PERDANA MOKHTAR / Luluk Muthoharoh, S.Si., M.Si. / Sains Data, 2025Pergerakan harga saham dapat dipengaruhi oleh berbagai faktor, termasuk sentimen pasar yang tercermin melalui opini publik di media sosial. Model prediksi harga saham Tesla menggunakan arsitektur CNN-BiLSTM dikembangkan dengan memanfaatkan data historis dan analisis sentimen dari platform X (Twitter... |
Perbandingan CNN, BiLSTM, dan CNN-BiLSTM dengan FastText Embedding untuk Analisis Sentimen Terhadap Karya Musik Frank Ocean pada Komentar YoutubePRESILIA / M. Syamsuddin Wisnubroto, S.Si., M.Si. / Sains Data, 2026Komentar YouTube pada karya musik memuat opini, emosi, dan pengalaman pendengar, tetapi cenderung menggunakan bahasa informal, ekspresif, dan kontekstual sehingga menjadi tantangan dalam analisis sentimen. Penelitian ini bertujuan membandingkan performa CNN, BiLSTM, dan CNN-BiLSTM dengan FastText em... |