Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

ANALISIS SENTIMEN TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN PENDEKATAN LEXICON

Defri Rosdiansyah (2014) ANALISIS SENTIMEN TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN PENDEKATAN LEXICON. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
fm.pdf

Download (267kB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (30kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (189kB) | Preview
[img]
Preview
Text
BAB III.pdf

Download (28kB) | Preview
[img]
Preview
Text
BAB IV.pdf

Download (1MB) | Preview
[img] Text
BAB V.pdf
Restricted to Registered users only

Download (209kB)
[img]
Preview
Text
BAB VI.pdf

Download (7kB) | Preview
[img]
Preview
Text
em.pdf

Download (13kB) | Preview

Abstract

Analisis sentimen dapat dikatakan sebagai opinion mining. Penelitian Analisis sentimen dapat di lakukan pada sosial media Twitter. Namun dari sejumlah penelitian analisis sentimen Twitter bahasa Indonesia tidak dilakukan evaluasi kalimat negasi. Pada penelitian ini akan dilakukan klasifikasi orientasi sentimen dalam 3 jenis yaitu positif, negatif dan netral menggunakan kombinasi K-Nearest Neighbor (k-NN) dan pendekatan lexicon. Topik penelitian ini adalah menentukan analisis sentimen dari kasus politik, khususnya sentimen publik terhadap tokoh politik pada kandidat calon presiden Republik Indonesia 2014. Algoritma k-NN pada penelitian ini akan bertindak sebagai algoritma yang akan melakukan klasifikasi orientasi sentimen sementara. Sedangkan pendekatan lexicon untuk dapat melakukan identifikasi kalimat netral pada tahapan preprocessing query juga melakukan evalusi kalimat negasi. Pengujian sistem analisis sentimen Twitter ini dilakukan dengan model confusion matrix pada data uji dan 10-fold Cross Validation pada evaluasi data latih untuk mendapatkan data latih terbaik. Pengujian juga dilakukan pada penentuan nilai k pada algortima k-NN. Kesimpulkan dari pengujian kombinasi k-NN dan lexicon dapat meningkatkan akurasi orientasi sentimen. Nilai k terbaik pada algortima k-NN adalah k=5 dan k=15. Sedangkan Metode yang terbaik adalah kombinasi B yang menggunakan pendekatan lexicon dan algoritma k-NN dengan akurasi 82 %. Kata Kunci: Analisis Sentimen, Kalimat Negasi, K-Nearest Neighbor, Lexicon, Algoritma, Confusion Matrix, Cross Validation

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: eva sartika
Date Deposited: 24 Apr 2016 18:03
Last Modified: 24 Apr 2016 18:03
URI: http://repository.uin-suska.ac.id/id/eprint/3556

Actions (login required)

View Item View Item