Klasifikasi Argumen Pada Teks Dengan Menggunakan Metode Multinomial Logistic Regression Terhadap Kasus Pemindahan Ibu Kota Indonesia di Twitter

MOCHAMMAD NAUFAL RIZALDI

Informasi Dasar

20.04.3733
000
Karya Ilmiah - Skripsi (S1) - Reference

Informasi pemindahan Ibu Kota Indonesia dari Jakarta ke Kalimantan Timur tentunya menimbulkan pro dan kontra yang disampaikan oleh masyarakat Indonesia melalui jejaring sosial twitter. Akan tetapi, komentar pro dan kontra tersebut tentunya beragam, disertai maupun tidak disertai dengan argumen atau bahkan tidak berhubungan sama sekali dengan topik yang sedang dibahas. Keterbatasan pengguna dalam menyaring informasi tersebut tentunya akan mempersulit masyarakat atau bahkan pemerintah dalam menganalisis informasi yang terkandung dalam tweet. Oleh karena itu, dibangun sebuah sistem yang dapat melakukan klasifikasi terhadap tweet secara otomatis ke dalam tiga kelas, yaitu non arugmen, argumen dan unknown. Metode yang digunakan dalam penelitian ini yaitu Multinomial Logistic Regression (MLR). MLR merupakan metode generalisasi dari Logistic Regression dan digunakan untuk melakukan klasifikasi 3 kelas atau lebih. Sebelum dilakukan proses klasifikasi, tweet harus dilakukan preprocessing terlebih dahulu agar tweet bersih dari segala noise yang ada. Feature extraction yang digunakan dalam penelitian ini yaitu diantaranya unigram, bigram dan trigram. Dalam penelitian ini, terdapat 12 skenario pengujian dan metode pembanding yaitu Artificial Neural Network (ANN). Dari semua skenario pengujian hasil yang paling baik untuk metode MLR yaitu dengan skenario SRU dengan akurasi sebesar 41,30%, sedangkan untun metode ANN yaitu dengan skenario RU dengan akurasi sebesar 45,10%.

Subjek

Machine Learning
 

Katalog

Klasifikasi Argumen Pada Teks Dengan Menggunakan Metode Multinomial Logistic Regression Terhadap Kasus Pemindahan Ibu Kota Indonesia di Twitter
 
 
 

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

MOCHAMMAD NAUFAL RIZALDI
Perorangan
Adiwijaya, Said Al Faraby
 

Penerbit

Universitas Telkom
 
2020

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

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