Analisis Sentimen Ulasan Video Animasi Menggunakan Metode Latent Semantic Indexing
| Main Author: | Alkadri, Faraz Dhia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/161481/1/Faraz%20Dhia%20Alkadri.pdf http://repository.ub.ac.id/161481/ |
Daftar Isi:
- Video animasi berkembang dengan sangat pesat menghasilkan puluhan bahkan ratusan judul per-tahunnya. Tentunya tidak semuanya video animasi yang dihasilkan menarik untuk ditonton. Beberapa dari video tersebut mungkin terlihat tidak menarik untuk beberapa orang. Untuk mengatahui apakah video animasi tergolong menarik atau tidak, pengguna dapat melihat ulasan–ulasan yang diberikan pengguna lain tentang video animasi tersebut. Beberapa website yang memang bertujuan untuk memfasilitasi para penggunanya untuk dapat saling memberikan feedback berupa ulasan tentang video animasi yang telah mereka tonton. Dari ulasan tersebut dapat dilihat sentimennya apakah ulasan tersebut merupakan ulasan yang tergolong ke dalam sentimen positif atau sentimen negatif. Metode Latent Semantic Indexing (LSI) yang mengadopsi proses reduksi matriks Singular Value Decomposition (SVD) digunakan untuk mencari relevansi antar dokumen. Dengan metode LSI dapat mengetahui ulasan tersebut tergolong pada sentimen positif atau sentimen negatif. Metode TF IDF digunakan untuk mengolah data tekstual menjadi data numerik dan Cosine similiarty yang digunakan untuk menghitung kemiripan antar data yang selanjutnya digolongkan ke dalam sentimen kelas positif dan sentiment kelas negatif. pengujian dilakukan sebanyak 19 kali dengan menggunakan masukkan krank yang berbeda-beda. Berdasarkan hasil pengujian, sistem ini menghasilkan akurasi optimal di k-rank = 10 yaitu sebesar 86% sehingga dapat disimpulkan bahwa penggunaan metode latent semantic indexing baik digunakan untuk mencari relevansi antar dokumen.