Description

Pada project ini dilakukan pembuatan model Sentiment Analysis pada dataset Twitter US Airline Sentiment menggunakan LSTM (Long Short Term Memory). Pada dataset yang akan digunakan terdapat 3 jenis lebel sentiment analysis, yaitu negative, positive dan neutral. Namun pada project ini hanya akan menggunakan 2 label saja yaitu negative dan positive. Sebelum dilakukan pengimplementasian model LSTM pada dataset dilakukan terlebih dahulu beberapa tahapan preproessing text. Tahapan-tahapan preprocessing text yang dilakukan yang pertama adalah case folding dimana  semua huruf pada attribute text dirubah menjadi huruf kecil, kemudian tahapan yang kedua adalah menghapus angka dan tandabaca pada attribute text, tahapan yang selanjutnya adalah filtering (stopword removal) dimana dilakukan pembuangan kata-kata yang sering muncul namun tidak berpengaruh dalam proses pengolahan data, tahapan selanjutnya adalah membuang label neutral pada attribute airline_sentiment, dan tahapn yang terkahir adalah mengubah label sentiment positive dan negative pada atribute airline_sentiment  menjadi angka yaitu label positive menjadi angka 1 dan label negative menjadi angka 0.  Setelah dilakukan preprocessing data maka dilakukan pegimplementasian model LSTM dengan terlebih dahulu dilakukan split data atau pembagian data menjad data train dan data test. Setelah pengimplementasian model LSTM dilakukan kemudian akan dilakukan evaluasi model menggunakan accuracy score dan roc score, dengan hasilnya adalah accuracy score data train adalah 0.986549, accuracy score data test adalah 0.859018, roc score data train adalah 0.98152, dan roc score data test adalah 0.787934.