Sentiment Analysis Menggunakan Metode Support Vector Machine dan Seleksi Fitur Query Expansion Ranking

AYU MASHITA HARDIYANTI

Informasi Umum

Kode

21.04.2505

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

231 kali

Informasi Lainnya

Abstraksi

Pertumbuhan pengguna aktif di media sosial sangat berkembang pesat. Pengguna aktif media sosial sering mengutarakan pendapatnya terhadap sebuah layanan atau produk melalui media sosial ternama seperti tweeter, Instagram, Tripadvisor, sehingga pendapat atau ulasan sangat banyak ditemukan pada media sosial. Ulasan dapat dijadkan sebagai penilaian penting dan bermanfaat jika dikelola dengan baik. Membaca ulasan yang banyak di media sosial membutuhkan waktu yang cukup lama, maka dari itu membutuhkan klasifikasi sentiment yang dapat mengelompokkan menjadi dua kelas yaitu kelas positif dan negative. Metode klasifikasi yang digunakan adalah Support Vector Machine yang memiliki kemampuan untuk menerapkan pemisah linear pada input data non linear berdimensi tinggi yang diperoleh dengan menggunakan fungsi kernel yang dibutuhkan. Untuk mendukung suatu penelitian agar lebih maksimal, terdapat seleksi fitur yang akan digunakan untuk mereduksi fitur-fitur sehingga proses kalsifikasi lebih efektif dan efisien. Seleksi fitur yang akan digunakan adalah Query Expansion Ranking yang dapat memaksimalkan hasil akurasi. Hasil yang di dapatkan dari penilitian ini adalah nilai akurasi tertinggi dengan penggunaan kernel Polinomial dan RBF pada penggunaan Rasio 75%.