SENTIMENT CLASSIFICATION USING SUPPORT VECTOR MACHINE ON INDONESIAN TEXT REVIEWS OF MOBILE APPLICATION

HERMAWAN, HERMAWAN (2020) SENTIMENT CLASSIFICATION USING SUPPORT VECTOR MACHINE ON INDONESIAN TEXT REVIEWS OF MOBILE APPLICATION. S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
 Text (HAL COVER)
01. Cover.pdf
Download (908kB) | Preview
[img] Text (BAB I)
02. BAGIAN 1 Literatur Riview.pdf
Restricted to Registered users only
Download (64kB)
[img] Text (BAB II)
03. BAGIAN 2 Data Set.pdf
Restricted to Registered users only
Download (92kB)
[img] Text (BAB III)
04. BAGIAN 3 Tahapan Experimen.pdf
Restricted to Registered users only
Download (454kB)
[img] Text (BAB IV)
05. BAGIAN 4 Hasil Semua Experimen.pdf
Restricted to Registered users only
Download (169kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (119kB)
[img] Text (LAMPIRAN)
Lampiran.pdf
Restricted to Registered users only
Download (285kB)

Abstract

Saat ini, ulasan aplikasi pada toko penyedia aplikasi mobile menjadi sumber daya informasi yang sangat bermanfaat bagi para developer. Namun banyaknya data yang tidak terstruktur pada ulasan, developer harus menerjemahkan ulasan tersebut agar dapat mengetahui bagian mana yang akan dilakukan perbaikan pada aplikasi. Studi penelitian tentang klasifikasi sentimen sudah banyak dilakukan dengan sebagian besar penelitian diterapkan pada analisa menggunakan bahasa inggris. Penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine pada klasifikasi sentimen ulasan aplikasi berbahasa indonesia menggunakan bahasa pemrograman python dan library scikit-learn. Himpunan data ulasan diambil secara manual sebanyak 1503 kalimat data dari google play. Kemudian dataset dilabeli setiap kalimatnya dengan sentimen positif dan negatif. Sebagai hasilnya percobaan dengan klasifikasi SVM dengan fitur TF-IDF dengan perbandingan rasio data training 80% dan data testing 20% mencapai akurasi 0,923. Dari hasil akurasi tersebut data model dilakukan sebuah validasi dengan memberikan data kalimat ulasan baru, hasilnya mesin sudah bisa memprediksi hasil sentimen yang diharapkan Kata kunci: Klasifikasi teks, Machine learning, Sentimen analisis, Support Vector Machine, Ulasan aplikasi

Item Type: Thesis (S1)
Call Number CD: FIK/INFO. 20 013
NIM/NIDN Creators: 41515110157
Uncontrolled Keywords: Klasifikasi teks, Machine learning, Sentimen analisis, Support Vector Machine, Ulasan aplikasi
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 005 Computer Programmming, Programs, Data/Pemprograman Komputer, Program, Data > 005.5 General Purpose Application Programs/Program Aplikasi dengan Kegunaan Khusus
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 006 Special Computer Methods/Metode Komputer Tertentu > 006.3 Artificial Intelligence/Kecerdasan Buatan > 006.31 Machine Learning/Pembelajaran Mesin
600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 658 General Management/Manajemen Umum > 658.01-658.09 [Management of Enterprises of Specific Sizes, Scopes, Forms; Data Processing]/[Pengelolaan Usaha dengan Ukuran, Lingkup, Bentuk Tertentu; Pengolahan Data] > 658.05 Data Processing Computer Applications/Pengolahan Data Aplikasi Komputer
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: Putra Arsy Anugrah
Date Deposited: 22 May 2022 08:02
Last Modified: 22 Jun 2023 04:12
URI: http://repository.mercubuana.ac.id/id/eprint/54799

Actions (login required)

View Item View Item
UMB Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.