ANALISIS SENTIMEN MEDIA SOSIAL SEBAGAI REKOMENDASI KULINER DI YOGYAKARTA MENGGUNAKAN METODE NAIVE BAYES DENGAN SELEKSI FITUR INFORMATION GAIN

Tsaniputra, Hanif Murtadha (2021) ANALISIS SENTIMEN MEDIA SOSIAL SEBAGAI REKOMENDASI KULINER DI YOGYAKARTA MENGGUNAKAN METODE NAIVE BAYES DENGAN SELEKSI FITUR INFORMATION GAIN. Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

Preview	Text ABSTRAK_123150020_Hanif Murtadha Tsaniputra.pdf Download (59kB) | Preview
Preview	Text COVER_123150020_Hanif Murtadha Tsaniputra.pdf Download (542kB) | Preview
Preview	Text DAFTAR ISI_123150020_Hanif Murtadha Tsaniputra.pdf Download (537kB) | Preview
Preview	Text DAFTAR PUSTAKA_123150020_Hanif Murtadha Tsaniputra.pdf Download (84kB) | Preview
Preview	Text PENGESAHAN PEMBIMBING_123150020_Hanif Murtadha Tsaniputra.pdf Download (264kB) | Preview
	Text SRIPSI-FULL-123150020-Hanif-Murtadha-Tsaniputra.pdf Restricted to Repository staff only Download (5MB)

Abstract

Yogyakarta sebagai daerah yang selalu ramai akan wisatawan, tentu memiliki berbagai
kuliner yang tersimpan. Keanekaragam kuliner yang ada di Yogyakarta membuat kebingungan
masyarakat dalam menentukan kuliner. Semua lapisan masyarakat bebas untuk berpendapat
dan menilai kuliner baik secara positif atau secara negatif. Opini masyarakat yang terdapat
pada media social dapat dimanfaatkan sebagai pertimbangan dalam memilih kuliner yang akan
dikunjungi. Analisis sentiment adalah studi komputasi dari opini-opini dan emosi melalui
entitas dan atribut yang diekspresikan dalam teks. Penggunaan analisis sentiment dapat
digunakan untuk merekomendasikan kuliner untuk masyarakat dengan menganalisa dan
mengklasifikasi komentar atau dokumen apakah bersifat positif atau negatif.
Penelitian yang dilakukan menggunakan metode Naïve Bayes Classifier dan
Information Gain untuk mengklasifikasi sentiment dan mendapat akurasi yang tinggi.
Algoritma Naïve Bayes Classifier adalah sebuah metode klasifikasi yang sangat sederhana
namun memiliki kecepatan dan nilai akurasi yang tinggi (Rish 2001). Selain menggunakan
Naïve Bayes Classifier sebagai metode klasifikasi, penelitian menggunakan Information Gain
untuk proses seleksi fitur. Information gain merupakan salah satu metode seleksi fitur yang
banyak dipakai oleh peneliti untuk menentukan batas dari kepentingan sebuah atribut (Deng
dan Runger 2012). Pengujian sistem dengan menggunakan 800 data, yang terdiri dari 400
komentar positif dan 400 komentar negative. Dataset dibagi menjadi 70% data latih dan 30%
data uji. Hasil dari pengujian sistem memperlihatkan bahwa metode Naïve Bayes Classifier
pada threshold 0 memberikan hasil akurasi sebesar 84,17% dan presisi 77,55%, sedangkan
recall menghasilkan 89,42%.
Kata Kunci : Kuliner, Naïve Bayes Classifier (NBC), Information Gain, Analisis Sentimen,
Twitter.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kuliner, Naïve Bayes Classifier (NBC), Information Gain, Analisis Sentimen, Twitter.
Subjects:	H Social Sciences > HD Industries. Land use. Labor
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	24 Mar 2021 06:43
Last Modified:	12 Dec 2022 02:04
URI:	http://eprints.upnyk.ac.id/id/eprint/24985

Actions (login required)

View Item