Studi Komparatif Metode Ekstraksi Fitur pada Analisis Sentimen Maskapai Penerbangan Menggunakan Support Vector Machine dan Maximum Entropy
| Main Authors: | Cindo, Mona, Dian Palupi Rini, Ermatita |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2019
|
| Subjects: | |
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/1159 http://jurnal.iaii.or.id/index.php/RESTI/article/view/1159/172 |
Daftar Isi:
- Almost all companies use social media to improve their product services and provide after-sales services that allow their customers to review the quality of their products. By using Twitter social media to be an important source for tracking sentiment analysis. Sentiment analysis is one of the most popular studies today, using sentiment analysis companies can analyze customer satisfaction to improve their services. This study aims to analyze airline sentiments with five different features such as pragmatic, lexical n-gram, POS, sentiment, and LDA using the Support Vector Machine and Maximum Entropy methods. The best results can be obtained using the Maximum Entropy method using all feature extraction with an accuracy of 92.7% and in the Support Vector Machine method, the accuracy obtained is 89.2%.
- Hampir semua perusahaan menggunakan media sosial untuk meningkatkan layanan produknya, dan memberikan layanan after sales yang memungkinkan pelanggannya dapat me-review kualitas produknya. Dengan menggunakan media sosial twitter untuk menjadi sumber penting untuk melacak analisis sentimen. Analisis sentimen adalah salah satu penelitian paling populer saat ini, dengan menggunakan analisis sentimen perusahaan dapat menganalisis kepuasan pelanggan untuk meningkatkan layanannya. Penelitian ini bertujuan untuk menganalisis sentimen maskapai penerbangan dengan lima fitur berbeda seperti topik pragmatic, lexical n-gram, POS, sentimen, dan LDA menggunakan metode Support Vector Machine dan Maximum Entropy. Hasil terbaik di dapat pada metode Maximum Entropy menggunakan semua ekstraksi fitur dengan akurasi 92,7% dan pada metode Support Vector Machine akurasi yang diperoleh sebesar 89,2%.