Optimalisasi Fitur dengan Feature Selection Query Expansion Ranking pada 
Analisis Sentimen data Twitter

ILFA MELIA ROSA

Informasi Umum

Kode

20.04.1275

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Text Mining

Dilihat

255 kali

Informasi Lainnya

Abstraksi

Salah satu media sosial terbesar di dunia yang diminati banyak orang adalah Twitter. Twitter biasanya digunakan masyarakat untuk menyampaikan pesan dan pendapat berupa opini tentang bahasan tertentu dan bahasan yang menjadi trending topic terkini. Salah satu bahasan yang sempat ramai diperbincangkan adalah kabar bahwa Pak Erick Thohir mengangkat sekaligus mengumumkan Pak Ahok sebagai Komisaris Utama PT Pertamina (Persero). Dalam media sosial Twitter, opini-opini yang dituangkan berupa opini positif maupun opini negatif yang jumlah datanya relatif besar. Maka dari itu, penilaian sentimen secara manual terbilang sulit karena jumlah data yang besar sehingga perlu diterapkannya otomatisasi yang dapat memudahkan hal tersebut. Pada penelitian ini menggunakan metode Feature Selection Query Expansion Ranking dan model klasifikasi K-Nearest Neighbor dengan teknik pengambilan data crawling yang diambil dari Twitter menggunakan API Twitter dan menggunakan metode pembobotan kata dengan metode Term Frequency. Berdasarkan hasil penelitian, didapat hasil akurasi terbaik yaitu dengan skenario 100% fitur pada k = 3 dengan nilai akurasi 84% dan nilai akurasi terendah pada skenario 60% fitur pada k = 9 dengan nilai akurasi 71%. Dengan hasil penelitian tersebut dapat disimpulkan bahwa jumlah k pada klasifikasi K-Neirest Neighbor mempengaruhi nilai akurasi % fitur yang dihasilkan oleh Feature Selection Query Expansion Ranking pada data Twitter. Kata kunci : Twitter, Fitur seleksi QER, KNN, % fitur