PERBANDINGAN METODE KLASIFIKASI NAIVE BAYES CLASSIFIER DAN LEXICON BASED DALAM ANALISIS SENTIMEN (Studi Kasus : Twitter)

Widyatama Repository

PERBANDINGAN METODE KLASIFIKASI NAIVE BAYES CLASSIFIER DAN LEXICON BASED DALAM ANALISIS SENTIMEN (Studi Kasus : Twitter)

Show full item record

Title: PERBANDINGAN METODE KLASIFIKASI NAIVE BAYES CLASSIFIER DAN LEXICON BASED DALAM ANALISIS SENTIMEN (Studi Kasus : Twitter)
Author: Sutami, Chaerul
Abstract: Twitter merupakan salah satu microblogging yang memungkinkan penggunanya untuk dapat mem-publish status (tweet) dengan mudah dan cepat. Amerika Serikat menjadi negara yang mengirimkan tweet terbanyak di seluruh dunia dengan jumlah persentase sebesar 30% dari 2.9 juta tweet yang terjadi selama 24 jam. Sebagian tweet ini dapat berisi opini mengenai suatu produk ataupun layanan. Jumlah data yang besar membuat kumpulan tweet ini sangat berpotensi untuk dimanfaatkan oleh suatu organisasi atau perusahaan sebagai pendukung manajemen merek dan corporate reputation. Dari kumpulan data tersebut kita dapat melakukan sentiment analysis terhadap suatu produk atau jasa untuk melihat respon konsumen terhadap keduanya. Penelitian analisis sentimen yang dilakukan adalah mengklasifikasi sebuah tweet ke dalam kelas sentimen positif atau negatif. Dimulai dengan proses pengumpulan data, pemilihan fitur dan ektraksinya, serta proses klasifikasi itu sendiri. Metode yang digunakan dalam penelitian analisis sentimen ini adalah lexicon-based dengan opinion lexicon milik Hu dan Liu dan naive bayes classifier yang telah dilatih berdasarkan subjectivity lexicon milik Janyce Wiebe. Penelitian ini dilakukan dengan beberapa skenario yang berhubungan dengan penggunaan proses text preprocessing dan feature selection. Corpus yang digunakan berasal dari Twitter mengenai dua jenis produk smartphone yaitu iPhone5c dan iPhone5s dengan jumlah data sebanyak 321 tweet dan telah dilabeli secara manual ke dalam tiga kelas yaitu positif, negatif, dan netral. Hasil dari penelitian ini adalah perolehan nilai rata-rata akurasi dari metode lexicon based untuk keseluruhan skenario adalah sebesar 70,84% dengan perolehan akurasi tertinggi sebesar 87,6% pada skenario LB.2 untuk tweet yang bersifat netral. Sedangkan perolehan nilai rata-rata akurasi dari metode naive bayes classifier untuk keseluruhan skenario adalah sebesar 43,48% dengan perolehan akurasi tertinggi sebesar 83,6% pada skenario NB.3 untuk tweet yang bersifat positif.
URI: http://repository.widyatama.ac.id/xmlui/handle/123456789/5864
Date: 2015


Files in this item

Files Size Format View
Cover.pdf 196.9Kb PDF View/Open
Lembar Pengesahan.pdf 168.2Kb PDF View/Open
Abstrak.pdf 109.8Kb PDF View/Open
Kata Pengantar.pdf 206.2Kb PDF View/Open
Daftar Isi.pdf 120.7Kb PDF View/Open
Daftar Tabel.pdf 103.9Kb PDF View/Open
Daftar Gambar.pdf 117.8Kb PDF View/Open
Bab 1.pdf 154.3Kb PDF View/Open
Bab 2.pdf 715.3Kb PDF View/Open
Bab 3.pdf 307.2Kb PDF View/Open
Bab 4.pdf 751.6Kb PDF View/Open
Bab 5.pdf 1.376Mb PDF View/Open
Bab 6.pdf 108.9Kb PDF View/Open
Daftar Pustaka.pdf 228.9Kb PDF View/Open

This item appears in the following Collection(s)

Show full item record