Analisis Sentimen Review Produk Smartphone Pada Dokumen Twitter Berbahasa Indonesia Menggunakan K-Nearest Neighbor dan Pembobotan Jumlah Likes
| Main Author: | Robbana, Siti |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/180992/1/Siti%20Robbana.pdf http://repository.ub.ac.id/180992/7/Siti%20Robbana.pdf http://repository.ub.ac.id/180992/ |
Daftar Isi:
- Twitter adalah salah satu layanan jejaring sosial yang banyak diminati karena memberikan informasi yang dibutuhkan banyak pengguna internet. Informasi tersebut dapat berupa opini, pertanyaan maupun review suatu produk, baik yang positif maupun negatif. Analisis sentimen adalah cabang dari text mining yang melakukan proses kasifikasi dokumen tekstual dan melacak mood masyarakat tentang suatu produk tertentu salah satunya produk smartphone. Metode KNearest Neighbor adalah algoritme yang digunakan dalam penelitian ini dengan menambahkan fitur pembobotan jumlah likes (non-tektual). Hasil penggabungan pembobotan tektual dan non-tekstual dengan nilai konstanta tertentu (α dan β) akan menghasilkan kelas sentiment positif dan negatif. Data yang digunakan diambil dari twitter berupa review produk smartphone sebanyak 300 data tweet Hasi pengujian dari 210 data latih dan 90 data uji menggunakan pembobotan tekstual diperoleh akurasi sebesar 91,01 %, menggunakan pembobotan nontekstual sebesar 68,53% dan penggabungan pembobotan tekstual dan nontekstual dengan nilai k = 8 dan konstanta perkalian α =0,5 dan β=0,5 menghasilkan akurasi sebesar 94,38%