Pendekatan berbasis Machine Learning dan Leksikal Pada Analisis Sentimen

Elvia Budianita, Eka Pandu Cynthia

Abstract


Pada analisis sentimen terdapat dua pendekatan. Pertama berbasis machine learning dengan melatih data latih pada dataset yang telah dilabelkan secara manual dengan melibatkan seorang pakar atau Annotator. Pendekatan yang kedua adalah berbasis leksikal (Lexicon Based) yang tidak memerlukan pelatihan dataset untuk menemukan polaritas sentiment. Data set komentar yang digunakan adalah mengenai penyedia jasa transportasi online local Maxim di media social Twitter. Data set komentar yang dilabel secara manual akan diklasifikasikan ke dalam kelas positif netral, dan negatif menggunakan metode Support Vector Machine (SVM). Berdasarkan hasil pengujian diperoleh kesimpulan bahwa analisis sentimen untuk kasus Maxim menggunakan pelabelan manual yang dilatih menggunakan metode SVM adalah lebih banyak mengandung kalimat positif sedangkan jika menggunakan pelabelan Lexicon based lebih banyak mengandung kalimat netral

Full Text:

PDF

References


Referensi

Ardiani.L., Sujaini. H., dan Tursina, “Implementasi Sentiment Analysis Tanggapan Masyarakat

Terhadap Pembangunan di Kota Pontianak,” Jurnal Sistem dan Teknologi Informasi (Justin), vol. 8, no. 2, April 2020.

-[3] Prasetya.Y.N., Winarso.D., dan Syahril, “Penerapan Lexicon Based Untuk Analisis Sentimen Pada Twiter Terhadap Isu Covid-19,” Jurnal Fasilkom, vol. 11, no. 2, Agustus 2021.

Aulia.G.N dan Patriya. E., “Implementasi Lexicon Based Dan Naive Bayes Pada Analisis Sentimen Pengguna Twitter Topik Pemilihan Presiden 2019,” Jurnal Ilmiah Informatika komputer, vol. 24, no. 2, Agustus 2019.

Parapat. I.M., Furqon.M.T., dan Sutrisno., “Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak,” Jurnal Pengembangan Teknologi Informasi dan ilmu komputer, vol. 2, no. 10, Oktober 2018.

Pamungkas. F.S. dan Kharisudin.I., “Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” Prosiding Seminar Nasional Matematika (PRISMA), Februari 2021.

Deolika. A., Kusrini., dan Luthfi. E., T, “Analisis Pembobotan Kata Pada Klasifikasi Text Mining,” Jurnal Teknologi Informasi, vol.3, no.2, Desember 2019.


Refbacks

  • There are currently no refbacks.


FAKULTAS SAINS DAN TEKNOLOGI
UIN SUSKA RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sntiki@uin-suska.ac.id