Implementasi Arsitektur Recurrent Neural Network Pada Analisis Sentimen Clash of Champions
Abstrak
Clash of Champions adalah sebuah acara pendidikan yang ditayangkan pada media online YouTube yang memicu berbagai tanggapan publik, dari dukungan karena nilai inspiratifnya hingga kritik soal tekanan sosial. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap acara tersebut dengan mengimplementasikan tiga arsitektur Recurrent Neural Network (RNN), yaitu Vanilla RNN, Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU). Prosesnya mencakup preprocessing teks, pelabelan sentimen (pro, netral, kontra), pelatihan model menggunakan TensorFlow, serta evaluasi performa dengan metrik akurasi, precision, recall, dan F1 Score. Data yang digunakan terdiri dari 3000 baris data imitasi untuk pelatihan dan 35 baris data nyata dari survei Google Form sebagai data uji. Hasil menunjukkan bahwa GRU memiliki performa terbaik dengan akurasi 99,17%, mengungguli LSTM (99%) dan Vanilla RNN (98,67%). GRU juga unggul dalam precision dan recall untuk sentimen pro (99,5%) serta F1 Score tertinggi di semua kelas, menandakan kestabilan model. Sementara itu, LSTM menunjukkan kekuatan pada recall kelas pro, dan Vanilla RNN kurang optimal dalam generalisasi. Temuan ini membuktikan bahwa arsitektur RNN, khususnya GRU, efektif dalam analisis sentimen berbahasa Indonesia, terutama untuk evaluasi program edukatif digital.
Identifier
- DOI: https://doi.org/10.36080/skanika.v8i2.3586
- OpenAlex: https://openalex.org/W4413366705