Pravina, Arsya Monica (2019) Analisis Sentimen Tentang Opini Maskapai Penerbangan Pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM). Sarjana thesis, Universitas Brawijaya.
Abstract
Dengan meningkatnya penggunaan Twitter, media sosial yang bekerja secara realtime untuk masyarakat dapat menyampaikan keluh kesah maupun apresiasinya terhadap maskapai-maskapai penerbangan, perlu dibuat sebuah sistem yang dapat melakukan klasifikasi suatu tweet yang berisikan opini termasuk ke dalam kelas apa, dalam penelitian ini terdapat kelas positif dan negatif. Hal tersebut dilakukan agar dapat membantu perusahaan maskapai penerbangan dalam hal evaluasi peningkatan pelayanan serta dapat membantu masyarakat dalam memilih maskapai penerbangan dengan tepat. Sehingga dilakukan klasifikasi sentimen dengan fitur Lexicon Based yang dapat menerima opini berbahasa lain selain Bahasa Indonesia (dalam penelitian ini digunakan Bahasa Inggris) untuk melakukan analisis sentimen. Digunakan algoritme support vector machine untuk melakukan klasifikasi. Hasil dari penelitian ini menunjukkan parameter optimal dan pengaruh penggunaan Lexicon Based Features. Dengan digunakan parameter C bernilai 10 dan learning rate bernilai 0,03 serta digunakan Lexicon Based Features dengan iterasi sebanyak 50 kali memberikan hasil accuracy sebesar 40%, precision 40%, 100% recall, dan f-measure sebesar 57,14%.
English Abstract
With the increasing use of Twitter, social media that works in real-time for the public can convey complaints and appreciation to airlines, it is necessary to create a system that can classify a tweet containing opinions including what is the best class, in this study there are positive and negative classes. This is done so that it can help airline companies in terms of evaluating service improvements and can help people choose the right airline. Thus a sentiment classification with Lexicon Based features which is able to receive information in languages other than Indonesian (in this study used in English) is done to conduct sentiment analysis. Use the support vector machine algorithm to classify. The results of this study show optimal parameters and the effect of using Lexicon Based Features. By using parameter C is 10 and the learning rate is 0.03 also used Lexicon Based Features with an iteration of 50 times giving accuracy 40%, precision 40%, recall 100%, and f-measure 57,14%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/32/051902202 |
| Uncontrolled Keywords: | analisis sentimen, opini maskapai penerbangan, twitter, support vector machine, lexicon based features-sentiment analysis, airlines opinion, twitter, support vector machine, lexicon based features |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.7 Multimedia systems > 006.75 Specific types of multimedia systems > 006.754 Online social networks |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 15 Jun 2020 04:18 |
| Last Modified: | 19 Oct 2021 09:23 |
| URI: | http://repository.ub.ac.id/id/eprint/168865 |
Preview |
Text
Arsya Monica Pravina.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |