Pengaruh Semantic Expansion pada Naïve Bayes Classifier untuk Analisis Sentimen Tokoh Masyarakat
| Main Authors: | Adhi, Muhamad Satria, Nafan, Muhammad Zidny, Usada, Elisa |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2019
|
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/901 http://jurnal.iaii.or.id/index.php/RESTI/article/view/901/135 |
Daftar Isi:
- Sentiment analysis is a field of study that analyzes one's opinions, sentiments, evaluations, attitudes and emotions that are conveyed in written text. There are several factors that cause low accuracy results from sentiment analysis. These factors such as less optimal stemming process, word negation process that does not produce maximum results, writing errors in the dataset, and others. These problems can be overcome by optimizing the process of normalizing words, negation, stemming, and adding methods of semantic expansion. The purpose of adding the Semantic Expansion method and improvement in the process is to increase the accuracy value of the Sentiment Analysis process. This study aims to create a sentiment analysis model from public comments on a public figure (Ridwan Kamil) using the Naïve Bayes Classifier algorithm. Based on the test results in the sentiment analysis model using the Naïve Bayes Classifier method with the addition of the semantic expansion method it is proven that it can improve accuracy. The accuracy obtained using the semantic expansion method is 72%. While the value of accuracy without semantic expansion is 70%.
- Analisis sentimen merupakan sebuah bidang studi yang menganalisis pendapat, sentimen, evaluasi seseorang, sikap dan emosi seseorang yang disampaikan dalam bentuk teks tertulis. Terdapat beberapa faktor yang menyebabkan rendahnya hasil akurasi dari analisis sentimen. Faktor-faktor tersebut seperti proses stemming yang kurang optimal, proses negasi kata yang tidak menghasilkan hasil yang maksimal, kesalahan penulisan pada dataset, dan lainnya. Permasalahan tersebut dapat diatasi dengan melakukan optimalisasi pada proses normalisasi kata, negasi, stemming, dan penambahan metode semantic expansion. Tujuan dari penambahan metode semantic expansion dan perbaikan pada proses tersebut adalah untuk meningkatkan nilai akurasi dari proses Analisis Sentimen. Penelitian ini bertujuan membuat model analisis sentimen dari komentar masyarakat terhadap seorang tokoh (Ridwan Kamil) menggunakan algoritma Naïve Bayes Classifier. Berdasarkan hasil pengujian yang dilakukan penulis dalam melakukan analisis sentimen menggunakan metode Naïve Bayes Classifier, penambahan metode semantic expansion terbukti dapat meningkatkan akurasi. Akurasi yang didapatkan dengan menggunakan metode semantic expansion adalah sebesar 72% Sedangkan nilai akurasi tanpa semantic expansion adalah 70%.