Analisis dan Implementasi Fuzzy Suppot Vector Machine Untuk Klasifikasi Multiclass Emosi Pada Twitter

Rizki Elisa Nalawati

Informasi Dasar

113104201
511.313
Karya Ilmiah - Skripsi (S1) - Reference

Dewasa ini mikroblogging menjadi sarana komunikasi online yang sangat popular. Jutaan orang melakukan tukar pendapat opini setiap harinya. Sehingga menyebabkan website mikroblogging kaya data yang mengandung opini dan sentiment. Twitter meruapakan mikroblogging yang terpopular. Dengan menggunakan Twitter, analisis akan dilakukan dengan tujuan menunjukkan kumpulan dari corpus untuk analisis emosi dan opinion mining. Kemudian akan melakukan analisis pada corpus yang dikumpulkan dan menjelaskan fenomena yang ditemukan. Dengan corpus yang diperoleh maka akan dilakukan pengklasifikasian emosi yang dapat menentukan kelas emosi penulis twitter.
Oleh karena itu, pada tugas akhir ini digunakan sebuah metode bernama Fuzzy Support Vector Machine (FSVM). FSVM merupakan metode yang dapat digunakan untuk menangani masalah multiclass, dari decision function yang ditemukan dari pasangan-pasangan kelas. Nilai keanggotaan ini yang akan menentukan klasfikasi dari jenis emosi. Hasil rata-rata yang didapat dari kombinasi data training testing 80%:20% mencapai 85,46%, sedangkan dari kombinasi data training dan testing 65%:35% mencapai 85,50% dan dari kombinasi 50%:50% data trainig dan testing mencapai 85,49%. Emotion Analysis, Sentiment Analysis, opinion mining, text classification, Fuzzy Support Vector Machine (FSVM)

Subjek

Fuzzy logic
 

Katalog

Analisis dan Implementasi Fuzzy Suppot Vector Machine Untuk Klasifikasi Multiclass Emosi Pada Twitter
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

Rizki Elisa Nalawati
Perorangan
Arie Ardiyanti Suryani ST, MT; Siti Sa'adah, ST.,MT
 

Penerbit

Universitas Telkom, S1 Informatika
Bandung
2014

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini