ANALISIS SENTIMEN UNTUK REKOMENDASI TEMPAT KULINER DI YOGYAKARTA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

PUTRI, RISMA STELA (2021) ANALISIS SENTIMEN UNTUK REKOMENDASI TEMPAT KULINER DI YOGYAKARTA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Other thesis, UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA.

[img] Text
COVER.pdf

Download (115kB)
[img] Text
ABSTRAK.pdf

Download (36kB)
[img] Text
DAFTAR ISI.pdf

Download (84kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (158kB)
[img] Text
HALAMAN PENGESAHAN PEMBIMBING-RISMA STELA.pdf

Download (85kB)
[img] Text
SKRIPSI FULL - RISMA STELA PUTRI - 123160192.pdf
Restricted to Repository staff only

Download (3MB)

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: 18 Oct 2021 07:11
URI: http://eprints.upnyk.ac.id/id/eprint/26909

Actions (login required)

View Item View Item