IMPLEMENTASI NAÃVE BAYES CLASSIFIER UNTUK ANALISIS SENTIMEN APLIKASI PINJAMAN ONLINE PADA MEDIA SOSIAL TWITTER
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
Azzahra, Shinta May Khoiria
Subject
005 Pemrograman komputer, program dan data
Datestamp
2023-09-14 03:59:10
Abstract :
Sistem analisis sentimen merupakan sistem yang digunakan untuk melakukan proses analisis otomatis pada tweet aplikasi pinjaman online bahasa Indonesia. untuk memperoleh informasi meliputi informasi sentimen yang merupakan bagian dari tweet. Data tersebut diklasifikasikan menggunakan Naive Bayes. Sistem analisis sentimen dibagi menjadi 5 (lima) tahap, yaitu scraping, pre-processing, pembobotan kata, pembentukan model dan klasifikasi sentimen. Pada pembobotan kata digunakan metode TF-IDF (Term Frequency ? Inverse Document Frequency). Data yang ada akan diklasifikasikan ke dalam 2 (dua) kelas positif dan negatif. Hasil pengujian dengan data tweet aplikasi kredivo sebanyak 500 data menunjukkan pada pengujian 3 kelas (negatif dan positif) hasil terbaik didapatkan pada 90% data latih dan 10% data uji dengan nilai akurasi 91,12%.
Sistem analisis sentimen merupakan sistem yang digunakan untuk melakukan proses analisis otomatis pada tweet aplikasi pinjaman online bahasa Indonesia. untuk memperoleh informasi meliputi informasi sentimen yang merupakan bagian dari tweet. Data tersebut diklasifikasikan menggunakan Naive Bayes. Sistem analisis sentimen dibagi menjadi 5 (lima) tahap, yaitu scraping, pre-processing, pembobotan kata, pembentukan model dan klasifikasi sentimen. Pada pembobotan kata digunakan metode TF-IDF (Term Frequency ? Inverse Document Frequency). Data yang ada akan diklasifikasikan ke dalam 2 (dua) kelas positif dan negatif. Hasil pengujian dengan data tweet aplikasi kredivo sebanyak 500 data menunjukkan pada pengujian 3 kelas (negatif dan positif) hasil terbaik didapatkan pada 90% data latih dan 10% data uji dengan nilai akurasi 91,12%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
