ANALISIS PERBANDINGAN NILAI SENTIMEN PADA KOMENTAR PEDULILINDUNGI DENGAN PENAMBAHAN NEGATION HANDLING PADA METODE CNN-WORD2VEC CBOW DAN CNN-WORD2VEC SKIP GRAM

ARIANTI, BERLIANA ANDRA (2022) ANALISIS PERBANDINGAN NILAI SENTIMEN PADA KOMENTAR PEDULILINDUNGI DENGAN PENAMBAHAN NEGATION HANDLING PADA METODE CNN-WORD2VEC CBOW DAN CNN-WORD2VEC SKIP GRAM. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (65kB)
	Text COVER.pdf Download (485kB)
	Text DAFTAR ISI.pdf Download (322kB)
	Text DAFTAR PUSTAKA.pdf Download (195kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (537kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (560kB)
	Text SKRIPSI_BERLIANA ANDRA ARIANTI.pdf Restricted to Repository staff only Download (4MB)

Abstract

Suatu aplikasi membutuhkan evaluasi untuk dapat meningkatkan kualitas dari
penggunaannya. Komentar dapat digunakan sebagai bahan evaluasi, dikarenakan terdapat
banyak komentar dibutuhkan suatu metode untuk menganalisis komentar untuk
mengklasifikasi sentiment pengguna terhadap aplikasi. Penelitian ini akan melakukan
analisis sentimen terhadap aplikasi PeduliLindungi. Metode yang digunakan untuk
klasifikasi sentiment pada penelitian ini adalah convolutional neural network dengan
Word2Vec untuk pembobotan kata.
Penelitian ini bertujuan untuk melihat pengaruh dari penambahan negation handling
pada analisis sentiment dan juga perbadingan dari penggunaan metode CNN-Word2Vec
CBOW dan CNN-Word2Vec SkipGram terhadap komentar PeduliLindungi di Google Play.
Pada penelitian ini diterapkan proses negation handling pada pemrosesan kata dan metode
CNN-Word2Vec CBOW dan CNN-Word2Vec SkipGram dalam melakukan klasifikasi
sentiment. Data yang digunakan pada peneltian sebesar 13.567 komentar yang berasal dari
Google Play terhadap aplikasi PeduliLindungi. Data dilakukan split data dengan pembagian
data latih dan data uji dengan perbandingan 80:20.
Untuk tahap preprocessing dilakukan penambahan proses negation handling.
Dilakukan perbandingan metode CNN-Word2Vec CBOW dan CNN-Word2Vec SkipGram.
Dari hasil penelitian didapatkan bahwa penambahan negation handling dapat memperbaiki
hasil pengujian dari klasifikasi sentiment. Penambahan negation handling dapat
meningkatkan pengujian, hasil akurasi meningkat sebesar 3%, hasil hasil presisi meningkat
5%, hasil recall meningkat 3%, dan hasil F1-score meningkat sebanyak 4%. Metode yang
memiliki akurasi terbaik adalah CNN-Word2Vec Skipgram dengan penambahan negation
handling yaitu sebesar 76,2 %.
Kata Kunci : text mining, sentimen analisis, CNN, Word2Vec, negation handling

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Text mining, sentimen analisis, CNN, Word2Vec, negation handling
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	21 Nov 2022 07:09
Last Modified:	21 Nov 2022 07:09
URI:	http://eprints.upnyk.ac.id/id/eprint/31676

Actions (login required)

View Item