Analisis Sentimen Pada Kolom Komentar YouTube Dengan Topik Polusi Udara Menggunakan Algoritma Long Short-Term Memory (LSTM)
Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap polusi udara melalui komentar di YouTube pada periode Juni hingga September 2023. Dalam penelitian ini menggunakan teknik analisis sentimen dengan pendekatan VADER lexicon untuk pelabelan data, Word2Vec untuk representasi kata, dan Long Short-Term Memory (LSTM) sebagai model klasifikasi. Dataset yang digunakan terdiri dari komentar-komentar terkait polusi udara yang dikumpulkan dari berbagai video di YouTube. Hasil dari model LSTM menunjukkan akurasi sebesar 62\
URI
https://repo.itera.ac.id/depan/submission/SB2409040013
Keyword
Analisis Sentimen LSTM Polusi Udara Word2Vec