INTERNET DENGAN MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY
SKRIPSI
Diajukan Untuk Memenuhi Persyaratan Meraih Gelar Sarjana Komputer
Pada Program Studi Teknik Informatika Fakultas Teknik dan Komputer Universitas Harapan Medan
NAFILA HAYATI LUBIS
17350047
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN KOMPUTER UNIVERSITAS HARAPAN MEDAN MEDAN 2021 1.1 Latar Belakang Kartu perdana merupakan sebuah produk yang sangat penting bagi para pengguna telepon seluler (handphone) ataupun internet modem (Yusuf). Sedangkan menurut Wisegeek (2007) kartu perdana adalah sebuah komponen chip memory yang digunakan pada sebuah telepon seluler (handphone). Tentu saja saat ini hampir seluruh masyarakat Indonesia menggunakan teknologi ini baik pada handphone, modem ataupun tablet mereka dengan beragam jenis kartu perdana dan kebutuhannya.Berkembangnya bisnis kartu perdana akhir-akhir ini menunjukan suatu gejala, yaitu semakin banyak dan beragamnya kartu perdana yang ditawarkan oleh perusahaan provider dengan bermacam merek, fitur dan fasilitas yang semakin lengkap dan bonus yang diberikan. Hal tersebut menyebabkan konsumen merasa kesulitan dalam memilih kartu perdana yang sesuai dengan kebutuhannya dan dengan harga yang tepat. Tentu saja sistem ini dapat membantu atau memberikan rekomendasi kartu perdana yang sesuai dengan kebutuhan penggunanya dan dengan adanya sistem ini dapat membantu peneliti untuk mengetahui apakah pemilihan kartu perdana provider dapat didukung dengan implementasi model recurrent neural network (RNN). Metode Recurrent Neural Network (RNN) dengan Long Short Term Memory (LSTM) merupakan salah satu model deep learning yang dapat digunakan untuk melakukan klasifikasi sentimen. Metode ini dapat memproses data secara sekuensial seperti teks, suara, dan video. Araque (2017) juga melakukan penelitian denga mengimplementasikan metode Long Short Term Memory (LSTM) untuk melakukan analisis sentimen pada tweet berbahasa Spanyol. Peneliti mengimplementasikan dua tipe fitur yang berbeda, word embedding dan sentiment lexicon values. Hasil yang didapat mengindikasikan bahwa kombinasi dua fitur ini menambah performa analisis sentimen. Hassan (2017) melakukan penelitian dengan mengimplementasikan metode Long Short Term Memory (LSTM) untuk melakukan analisis sentimen pada situs IMDB. Peneliti menggunakan metode Long Short Term Memory (LSTM) berbasis word2vec. Penelitian tersebut menghasilkan hasil yang lebih akurat untuk melakukan analisis sentimen.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah di jelaskan maka dapat dirumuskan masalah dari pebelitian ini adalah bagaimana membuat prediksi harga kartu perdana provider dengan menggunakan metode Recurrent Neural Network (RNN) dengan Long Short Term Memory (LSTM).
1.3 Batasan Masalah
1. Data, jenis dan fitur kartu perdana diperoleh dari website masing-masing kartu perdana GSM dan CDMA yang umum digunakan dan beredar di Indonesia. 2. Sistem hanya disimulasikan dan dicoba oleh beberapa orang atau responden. 3. Tidak dibandingkan dengan sistem lain. 1.4 Tujuan Penelitian Mengetahui bagaimana efektifitas kegunaan metode Recurrent Neural Network (RNN) dengan Long Short Term Memory (LSTM) dengan merekomendasikan kartu perdana provider dengan prediksi harga sehingga dapat meninjau harga dan kualitas yang baik.
1.5 Manfaat Penelitian
Dapat menegtahui informasi data harga agar memprediksikan kartu perdana provider yang dijual, menambah wawasan untuk mengetahui bagaimana metode Recurrent Neural Network (RNN) dengan Long Short Term Memory (LSTM)