Robbana, Siti (2020) Analisis Sentimen Review Produk Smartphone Pada Dokumen Twitter Berbahasa Indonesia Menggunakan K-Nearest Neighbor dan Pembobotan Jumlah Likes. Sarjana thesis, Universitas Brawijaya.
Abstract
Twitter adalah salah satu layanan jejaring sosial yang banyak diminati karena memberikan informasi yang dibutuhkan banyak pengguna internet. Informasi tersebut dapat berupa opini, pertanyaan maupun review suatu produk, baik yang positif maupun negatif. Analisis sentimen adalah cabang dari text mining yang melakukan proses kasifikasi dokumen tekstual dan melacak mood masyarakat tentang suatu produk tertentu salah satunya produk smartphone. Metode KNearest Neighbor adalah algoritme yang digunakan dalam penelitian ini dengan menambahkan fitur pembobotan jumlah likes (non-tektual). Hasil penggabungan pembobotan tektual dan non-tekstual dengan nilai konstanta tertentu (α dan β) akan menghasilkan kelas sentiment positif dan negatif. Data yang digunakan diambil dari twitter berupa review produk smartphone sebanyak 300 data tweet Hasi pengujian dari 210 data latih dan 90 data uji menggunakan pembobotan tekstual diperoleh akurasi sebesar 91,01 %, menggunakan pembobotan nontekstual sebesar 68,53% dan penggabungan pembobotan tekstual dan nontekstual dengan nilai k = 8 dan konstanta perkalian α =0,5 dan β=0,5 menghasilkan akurasi sebesar 94,38%
English Abstract
Twitter is one of the most popular social networking services because it provides information needed by many internet users. Such information can be in the form of opinions, questions or review of a product's good or bad. Sentiment analysis is a branch of text mining that processes the classification of textual documents and tracks people's moods about a product, one of which is smartphone product. The K-Nearest Neighbor method is an algorithm used in this study by adding weighting features to the number of likes (non-textual). The results of combining textual and non-textual weighting with certain constants (α and β) will produce a class of positive and negative sentiments. The data used was taken from Twitter in the form 300 tweet of smartphone product reviews. The results from testing 210 training data and 90 test data using textual weighting obtained an accuracy of 91.01%, using non-textual weighting 68.53% accuracy and a combination of textual and non-textual weighting with values k = 8 and multiplication constants α = 0,5 and β = 0.5 produce an accuracy of 94.38%
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/237/052003427 |
| Uncontrolled Keywords: | Twitter, analisis Sentimen, K-Nearest Neighbor, pembobotan juml, Twitter, sentiment analysis, K-Nearest Neighbor, weighting the number of likes |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.3 Programs > 005.36 Programs for personal computers > 005.362 Programs in specific programming languages |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 05 Aug 2020 08:22 |
| Last Modified: | 11 Apr 2023 03:52 |
| URI: | http://repository.ub.ac.id/id/eprint/180992 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Siti Robbana.pdf Restricted to Registered users only until 31 December 2023. Download (7MB) |
Actions (login required)
 |
View Item |