Wijaya, SeptianAdi (2016) Pembangkitan Aturan Fuzzy Menggunakan Subtractive Clustering Pada Sentiment Analysis E-Complaint Kampus Brawijaya. Sarjana thesis, Universitas Brawijaya.
Abstract
Teknik pemodelan fuzzy telah banyak digunakan untuk menyelesaikan berbagai masalah. Analisis sentimen merupakan domain pada Text Mining atau penggalian data yang mempelajari tentang bagaimana melakukan analisa terhadap opini, sentimen, evaluasi, sikap dan emosi dari sebuah entitas yang dapat berupa produk, pelayanan, organisasi, individu, isu-isu, peristiwa, dan topik. Analisis sentimen dapat digunakan untuk mengenali sebuah sentimen yang berupa keluhan atau komplain. Keluhan atau komplain mayoritas datanya identik dengan kata-kata yang bersifat negatif. Namun tidak semua keluhan atau komplain yang mengandung kata negatif termasuk dalam kelas sentimen negatif, karena bisa jadi ternyata komplain tersebut mengandung kritik yang sifatnya membangun. Untuk dapat mengenali sebuah sentimen perlu adanya sebuah rutin mesin yang memiliki kemampuan dalam mengenali sifat sentimen. Dengan menggunakan fuzzy hal tersebut dapat dilakukan melalui pembangunan aturan (rule) yang berhubungan langsung dengan data yang berupa numerik. Pembangunan aturan (rule) biasanya tergantung pada keahlian pakar, namun disini penulis akan mengajukan pembangunan aturan (rule) secara otomatis. Pembangunan aturan (rule) secara otomatis dapat dilakukan dengan menggunakan algoritma Fuzzy Subtractive Clustering. Prosesnya terdiri dari beberapa tahap. Tahap pertama adalah pre-processing, yaitu tokenization, filtering, dan stemming. Tahap kedua dilakukan pembobotan kata dengan menggunakan Term Frequency (TF). Hasil dari pembobotan ini yang kemudian menjadi masukan untuk tahap pembangunan aturan, dimana nantinya akan dipilih sejumlah pusat klaster berdasarkan pada nilai varian. Banyaknya pusat klaster yang terpilih menunjukkan banyaknya aturan yang terbentuk. Setelah aturan dibentuk, kemudian tahap terakhir berupa klasifikasi menggunakan Fuzzy Takagi Sugeno Kang orde-1. Hasil klasifikasi terdiri dari dua kelas, yaitu kelas positif dan kelas negatif. Akurasi pengujian yang didapat pada dari aturan yang dihasilkan keseluruhan data latih (10, 16, 40, 60 dan 90) berada diantara 37.14% - 62.86% dengan rata-rata akurasi keseluruhan sebesar 50.5%. Akurasi rata-rata tertinggi didapat sebesar 52.857% pada jumlah data sebanyak 60 data latih. Akurasi tertinggi didapat pada data kombinasi kelas seimbang sebanyak 16 data latih sebesar 62.86%.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2016/365/051606615 |
Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 15 Aug 2016 11:26 |
Last Modified: | 21 Oct 2021 14:14 |
URI: | http://repository.ub.ac.id/id/eprint/146920 |
Preview |
Text
skripsi.pdf Download (7MB) | Preview |
Actions (login required)
![]() |
View Item |