PUTRI, RISMA STELA (2021) ANALISIS SENTIMEN UNTUK REKOMENDASI TEMPAT KULINER DI YOGYAKARTA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Other thesis, UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA.
Preview |
Text
COVER.pdf Download (115kB) | Preview |
Preview |
Text
ABSTRAK.pdf Download (36kB) | Preview |
Preview |
Text
DAFTAR ISI.pdf Download (84kB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (158kB) | Preview |
Preview |
Text
HALAMAN PENGESAHAN PEMBIMBING-RISMA STELA.pdf Download (85kB) | Preview |
Abstract
Analisis sentimen merupakan beragam opini atau ungkapan emosi seseorang dalam
menilai sesuatu baik positif ataupun negatif. Analisis sentimen digunakan untuk
memisahkan suatu opini kedalam kelompok opini positif dan opini negatif. Support Vector
Machine (SVM) merupakan metode yang dapat memisahkan opini positif dan negatif
dengan menemukan bidang pembatas atau hyperplane terbaik. Namun SVM tidak hanya
mengklasifikasi dua kelas saja tetapi juga dapat mengklasifikasi kelas jamak atau disebut
multiclass.
Penelitian ini akan dilakukan analisis sentimen menggunakan ulasan Google Maps
berbahasa Indonesia untuk membandingkan metode SVM klasifikasi dua kelas (binaryclass)
dan klasifikasi kelas jamak (multiclass). Data yang digunakan diambil menggunakan web
scrapping lalu dilabeling secara manual oleh 20 Orang responden. Kemudian data tersebut
di preprocessing, diberi pembobotan kata menggunakan Term Frequency-Invers Document
Frequency (TF-IDF) dan selanjutnya hasil dari TF-IDF diproses training menggunakan
metode SVM. Pengujian yang dilakukan menggunakan data sebanyak 3500 dengan
perbandingan 80% atau sebesar 2800 data untuk training, dan 20% atau sebesar 700 data
untuk testing dengan penggunaan k-fold cross validation.
Hasil pengujian untukklasfikasi dua kelas (binaryclass) mendapatkan rata-rata
akurasi sebesar 85,23%, rata-rata presisi sebesar 87,11%, dan rata-rata recall sebesar
95,58%. Sedangkan untuk klasifikasi kelas jamak (multiclass) diperoleh hasil pengujian
rata-rata akurasi sebesar 70,03%, rata-rata presisi sebesar 69,61%, rata-rata recall sebesar
60,56%. Hasil pengujian didapatkan dari pengujian confusion matrix.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, SVM, K-Fold Cross Validation, Confusion Matrix |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | Nurul Alifah Rahmawati |
| Date Deposited: | 18 Oct 2021 07:11 |
| Last Modified: | 22 Aug 2022 04:11 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/26909 |
Actions (login required)
 |
View Item |