Skip to content

DAC UNPAD IFEST 2021 Competition Selection Phase, predicting E-Wallet Sentiment and Topic Classification Using CNN - LSTM models

Notifications You must be signed in to change notification settings

ShinyQ/CNN-LSTM_Analisis-Sentimen-Aplikasi-Dompet-Digital-Indonesia-Menggunakan-Metode

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

8 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Analisis Sentimen Aplikasi Dompet Digital Indonesia Menggunakan Metode CNN Dan LSTM

Authors (Yaudalah Team) :

  1. Ananda Affan Fattahila
  2. Fendi Irfan Amorokhman
  3. Kaenova Mahendra Auditama
  4. Kurniadi Ahmad Wijaya

Abstrak

Kombinasi pendekatan deep learning dan pemrosesan bahasa alami diterapkan untuk menganalisis sentimen dari teks untuk kalimat tertentu. Proses transaksi keuangan merupakan hal yang sangat sering dijumpai, Bahkan saat ini transaksi keuangan sudah banyak dilakukan dengan teknologi yang sering disebut dengan dompet digital. Teknologi dompet digital juga didukung oleh budaya orang yang mulai menyukai pembayaran cashless sehingga banyak perusahaan yang menyediakan jasa tersebut seperti DANA, OVO, Link Aja dan Sakuku.

Kualitas dari perusahaan dompet digital dinilai dari ulasan konsumen dan orang lain ingin mengerti dari ulasan satu orang. Pendapat konsumen ini diatur dengan cara yang terstruktur dan untukmemahami persepsi ulasan dan reaksi konsumen. Data ulasan konsumen kami dapatkan melalui review yang ada pada google play store. Kemudian membuat kumpulan data yang telah kami crawling dan melakukan pengolahan data terelebih dahulu. Dengan menggunakan, arsitektur CNN LSTM gabungan digunakan dalam dataset kami dan mendapatkan akurasi training sebesar 88% dan akurasi validasi sebesar 83%. Juga menggunakan metrik lain untuk mengevaluasi model kami.

Langkah Pembuatan Model

drawing

Model Arsitektur CNN Dan LSTM

drawing

Hasil Metrik Evaluasi Model

tuning

About

DAC UNPAD IFEST 2021 Competition Selection Phase, predicting E-Wallet Sentiment and Topic Classification Using CNN - LSTM models

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published