Implementasi Metode Long Short-Term Memory (LSTM) untuk Mendeteksi Sarkasme pada Pesan Tweet (Studi Kasus Tweet dengan Topik Pemerintah Indonesia)

Abstract

Sarkasme adalah bentuk ironi khusus yang terjadi ketika seseorang menyampaikan informasi implisit, biasanya memiliki makna yang berlawanan dengan apa yang dikatakan. Sarkasme dapat mempengaruhi hasil akurasi karena ambiguitasnya. Sehingga perlu mendeteksi sarkasme dalam analisis sentimen untuk mendapatkan hasil akurasi yang lebih baik. Salah satu metode yang dapat digunakan untuk mendeteksi sarkasme yaitu Long Short-Term Memory (LSTM) dimana Long Short-Term Memory (LSTM) merupakan salah satu jenis dari Recurrent Neural Network (RNN) yang biasa digunakan pada masalah-masalah deep learning. Metode Long Short-Term Memory (LSTM) menjadi optimal ketika jumlah data yang digunakan semakin banyak. Selain itu parameter learning rate pada pembuatan model Long ShortTerm Memory (LSTM) memiliki pengaruh dalam meningkatkan hasil akurasi dimana semakin kecil learning rate maka semakin baik model yang dibuat. Penggunaan metode Long Short-Term Memory (LSTM) dengan kombinasi skala 8:2 dimana 80% data training dan 20% data testing menghasilkan nilai akurasi sebesar 74%.