Ruslim, Katherine Ivana (2019) Analisis Sentimen Pada Ulasan Aplikasi Mobile Banking Menggunakan Metode Support Vector Machine dan Lexicon Based Features. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis sentimen merupakan bidang penelitian yang sangat populer dalam text mining. Ide dasar dari analisis sentimen ini adalah menemukan polaritas dari teks dan mengklasifikasikannya menjadi positif atau negatif. Dokumen teks yang digunakan dalam penelitian berasal dari ulasan pada Google Play Store mengenai aplikasi mobile banking. Metode yang digunakan adalah Support Vector Machine (SVM) dan Lexicon Based Features sebagai pembaruan fitur selain menggunakan fitur Bag of Words. Data yang digunakan pada penelitian ini sebanyak 500 data dengan 450 data sebagai data latih dan 50 data sebagai data uji. Hasil evaluasi sistem yang diperoleh dari analisis sentimen menggunakan gabungan fitur Bag of Words dan Lexicon Based Features lebih tinggi dibandingkan dengan hasil evaluasi yang hanya menggunakan fitur Bag of Words maupun hanya menggunakan Lexicon Based Features. Hasil evaluasi yang didapatkan dengan gabungan kedua fitur yaitu accuracy sebesar 0,846, precision sebesar 0,864, recall sebesar 0,846, dan f-measure sebesar 0,855 dengan menggunakan parameter SVM terbaik yaitu nilai parameter σ (sigma) Kernel RBF = 3, nilai parameter λ (lambda) = 0,1, nilai parameter ϒ (gamma) = 0,001, nilai parameter C (complexity) = 0,1, nilai parameter ε (epsilon) = 0,001, dan iterasi = 50.
English Abstract
Sentiment analysis is a very popular research field in text mining. The basic idea of this sentiment analysis is finding the polarity of the text and classifying it into positive or negative. The text documents used in the research come from reviews on the Google Play Store regarding the mobile banking application. The method used is Support Vector Machine (SVM) and Lexicon Based Features as additional features besides using the Bag of Words feature. The data used in this research were 500 data with 450 data as training data and 50 data as testing data. The results of the system evaluation obtained from the sentiment analysis using a combined Bag of Words feature and the Lexicon Based Features are higher than the evaluation results which only use the Bag of Words feature also using only Lexicon Based Features. Evaluation results obtained with a combination of the second feature are accuracy is 0,846, precision is 0,864, recall is 0,846, and f-measure is 0,855 using the best parameter values of σ (sigma) Kernel RBF = 3, λ (lambda) = 0,1, ϒ (gamma) = 0,001, C (complexity) = 0,1, ε (epsilon) = 0,001, and iteration = 50.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/389/051905707 |
| Uncontrolled Keywords: | sentiment analysis, mobile banking, bag of words, lexicon based features, support vector machine |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.7 Multimedia systems > 006.707 2 Web sites--research |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 24 Aug 2020 06:51 |
| Last Modified: | 24 Aug 2020 06:51 |
| URI: | http://repository.ub.ac.id/id/eprint/171571 |
Actions (login required)
 |
View Item |