Daftar Isi: Analisis Sentimen Pada Ulasan Aplikasi Mobile Banking Menggunakan Metode Support Vector Machine dan Lexicon Based Features

Daftar Isi:

Analisis sentimen merupakan bidang penelitian yang sangat populer dalam text mining. Ide dasar dari analisis sentimen ini adalah menemukan polaritas dari teks dan mengklasifikasikannya menjadi positif atau negatif. Dokumen teks yang digunakan dalam penelitian berasal dari ulasan pada Google Play Store mengenai aplikasi mobile banking. Metode yang digunakan adalah Support Vector Machine (SVM) dan Lexicon Based Features sebagai pembaruan fitur selain menggunakan fitur Bag of Words. Data yang digunakan pada penelitian ini sebanyak 500 data dengan 450 data sebagai data latih dan 50 data sebagai data uji. Hasil evaluasi sistem yang diperoleh dari analisis sentimen menggunakan gabungan fitur Bag of Words dan Lexicon Based Features lebih tinggi dibandingkan dengan hasil evaluasi yang hanya menggunakan fitur Bag of Words maupun hanya menggunakan Lexicon Based Features. Hasil evaluasi yang didapatkan dengan gabungan kedua fitur yaitu accuracy sebesar 0,846, precision sebesar 0,864, recall sebesar 0,846, dan f-measure sebesar 0,855 dengan menggunakan parameter SVM terbaik yaitu nilai parameter σ (sigma) Kernel RBF = 3, nilai parameter λ (lambda) = 0,1, nilai parameter Υ (gamma) = 0,001, nilai parameter C (complexity) = 0,1, nilai parameter ε (epsilon) = 0,001, dan iterasi = 50.