Perbandingan Metode Pembobotan Fitur dalam Analisis Sentimen Ibu Kota Negara Baru dengan Metode Support Vector Machine
MUHAMMAD KIKO AULIA REIKI
Informasi Umum
Kode
23.04.2677
Klasifikasi
004 - Data processing, Computer science
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Science
Dilihat
389 kali
Informasi Lainnya
Abstraksi
<p>Pemindahan Ibu Kota Negara ke Nusantara yang telah diresmikan dengan ditetapkannya UU No.3 Tahun 2022 menjadi proyek besar yang mengundang polemik di tengah masyarakat Indonesia. Tidak sedikit masyarakat mengemukakan pendapat dan pandangannya mengenai pemindahan Ibu Kota Negara ini pada media sosial Twitter. Kecenderungan opini masyarakat ini perlu diidentifikasi dengan analisis sentimen. Dalam analisis sentimen, pembobotan fitur merupakan komponen penting agar mendapatkan akurasi yang optimal. Berbagai pihak berupaya untuk memodifikasi pembobotan fitur yang telah ada untuk menambah performansi serta akurasi model. Salah satunya adalah icf-based atau tf.bin-icf yang menggabungkan inverse category frequency (icf) dan relevance frequency (rf). Penelitian ini membandingkan pembobotan fitur tf.idf, tf.rf, dan tf.bin-icf dengan metode klasifikasi SVM pada topik Ibu Kota Negara baru. Hasilnya pembobotan tf.idf lebih unggul dibandingkan pembobotan fitur tf-bin.icf dan tf.rf dengan skor accuracy 88,0%, hanya berbeda 1,3% dengan akurasai tf-bin.icf.</p>
- CII4E4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MUHAMMAD KIKO AULIA REIKI |
| Jenis | Perorangan |
| Penyunting | Yuliant Sibaroni, Erwin Budi Setiawan |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2023 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
