Description

Gambar di atas menunjukkan Langkah awal yaitu import berbagai library yang dibutuhkan. Lalu membaca file Tweets.csv dan menampilkannya.

Setelah itu saya memilih kolom-kolom yang akan digunakan. Serta melakukan pre-processing pada teks seperti menghapus URL, mention, hashtag, karakter non-alphabet, menghapus spasi berlebih, dan menjadikan teks huruf kecil. Melakukan tokenisasi, mengubah teks menjadi urutan angka, dan menerapkan padding menjadikan data teks representasi numerik yang dapat digunakan sebagai input untuk model.

Memisahkan data latih dan data uji, lalu membangun model LSTM dengan optimasi adam, batch size 32, dan epoch 10.

Model menghasilkan akurasi sebesar 77.86% pada data pengujian dan tes skor sebesar 0.8574. Hal ini menunjukkan kinerja model yang cukup baik dalam mengklasifikasilan teks sebagai positif, negatif, atau netral (label). Eksperimen lainnya pada penambahan lapisan LSTM dan hyperparameter tuning masih sangat mungkin dilakukan, untuk mencapai akurasi yang lebih baik.