ANALISIS HYBRID METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN LONG SHORTTERM MEMORY (LSTM) DALAM MEDIA BERITA ONLINE INDONESIA

Guridno, Ciptoningaji (2024) ANALISIS HYBRID METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN LONG SHORTTERM MEMORY (LSTM) DALAM MEDIA BERITA ONLINE INDONESIA. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text Bab 1.pdf Download (109kB)
	Text Bab 2.pdf Download (3MB)
	Text Bab 3.pdf Download (334kB)
	Text Bab 4.pdf Download (3MB)
	Text Bab 5.pdf Download (91kB)
	Text Lampiran.pdf Download (904kB)

Abstract

Berita palsu atau disinformasi merupakan ancaman serius dalam ekosistem media online. Penyebaran berita palsu dapat mengganggu informasi yang akurat dan dapat mempengaruhi masyarakat dan opini publik. Dalam penelitian ini, Penulis mengusulkan pendekatan hibrida yang mengintegrasikan Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) untuk menganalisis konten media berita online di Indonesia. Metode hibrid ini ditujukan untuk memahami dan menginterpretasikan dinamika informasi yang disampaikan melalui berita online dengan lebih efektif. Penulis mengumpulkan dan memproses dataset besar dari artikel berita online dalam Bahasa Indonesia, lalu menerapkan CNN untuk ekstraksi fitur teks dan LSTM untuk memodelkan sekuensialitas data dalam artikel. Hasil eksperimen menunjukkan bahwa model hibrid CNN-LSTM mampu meningkatkan akurasi klasifikasi topik berita dan sentiment analisis dibandingkan dengan metode standar. Penelitian ini memberikan wawasan baru tentang aplikasi pembelajaran mesin dalam media berita dan menawarkan metode yang inovatif untuk analisis teks pada skala besar. Kata Kunci: CNN, LSTM, Media Berita Online, Analisis Teks, Machine Learning, Indonesia

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > HA Statistics T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Delvy Aplirizani -
Date Deposited:	26 Mar 2024 07:22
Last Modified:	26 Mar 2024 07:22
URI:	http://repository.unas.ac.id/id/eprint/10551

Actions (login required)

View Item