REVISI 2 ANALISIS SENTIMEN KOMENTAR MASYARAKAT TERHADAP TEMPAT DIGITAL PRINTING MENGGUNAKAN METODE NAIVE BAYES

Grafi Maulana, Budanis Dwi Meilani

Abstract

Klasifikasi sentimen merupakan pengelompokan suatu pendapat yang telah ditentukan berdasarkan masing masing kategori. Klasifikasi sentimen bisa dijadikan sebuah cara untuk proses menentukan sesuatu dalam sebuah topik permasalahan. Fungsi dari klasifikasi sentimen adalah untuk mencari tahu polaritas dari sentimen positif, dan negatif. Data klasifikasi sentimen bisa diperoleh melalui beberapa komentar pada media sosial serta pada ulasan Google, salah satunya yaitu data komentar yang ada pada Google Maps. Kemudian data yang sudah diperoleh akan diberi label secara manual dan diolah menggunakan metode preprocessing dengan tujuan untuk mempermudah proses klasifikasi sentimen. Data selanjutnya akan dilakukan klasifikasi sentimen menggunakan metode Naive bayes untuk mengetahui sentimen yang dihasilkan.Uji coba dilakukan sebanyak 4 kali dengan data latih 20, 70, 140, 540 dan data uji 60. Hasil pertama menunjukan akurasi sebanyak 65%, kedua 82%, ketiga 85%, dan keempat 88% 

Keywords

Klasifikasi Sentimen; Teks Mining; Naive Bayes Classifier; Digital Printing

Full Text:

PDF

References

. BD. Meilani, RK Hapsari, IF Novian 2021, Classification of community opinion on the use of the Transjakarta bus based on twitter social network using naïve bayes method, IOP Conference Series: Materials Science and Engineering 1010.

. BD. Meilani, N. Susanti, 2016, Aplikasi Data Mining untuk menghasilkan Pola Kelulusan Siswa dengan Metode Naïve Bayes, Network Engineering Research Operation 1.

BD. Meilani, S. Wahyudiana, AYP Putri, A. Pakarbudi, 2019, Klasifikasi Identifikasi Faktor Penyebab Ketidaktepatan Masa Lulus Mahasiswa dengan Metode Naïve Bayes Classifier, Prosiding Seminar Nasional Sains dan Terapan 1.

Agatha, D., Kusrini, Emha, T.L. (2019). Analisis Pembobotan Kata Pada Klasifikasi Text Mining. Jurnal Teknologi Informasi. (hal 179-184).

C. Sutami, 2015, Perbandingan Metode Klasifikasi Naïve Bayes Classifier dan Lexicon Based, Universitas Widyatama Bandung.

Gilang Jalu Selo, Budi Susanto, 2013, Implementasi Naïve Baysian Classifier untuk kasus Filtering SMS Spam, Jurnal Informatika vol 9.

Arthana, R. (5 April 2019). Mengenal Accuracy Accuracy, Precision, Recall dan Specificity serta yang diprioritaskan dalam Machine Learning. Pada 22 Februari 2021

Refbacks

  • There are currently no refbacks.