Sihaloho, Ibed David Unedo (2020) AKURASI ANALISIS SENTIMEN PADA ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST (Study Kasus : Akun pln_123). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (574kB) |
|
Text (BAB I)
BAB I.pdf Download (209kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (627kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (98kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (928kB) |
|
Text (BAB V)
BAB V.pdf Download (54kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (154kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code - Ibed David Unedo Sihaloho.rar Restricted to Repository staff only Download (19kB) |
|
Text (PUBLIKASI)
Publikasi_15.11.9293 - Ibed David Unedo Sihaloho.pdf Restricted to Repository staff only Download (346kB) |
Abstract
Analisis sentimen adalah salah satu teknik yang paling aktif dan banyak digunakan dalam Machine Learning. Bidang ini melakukan studi mengenai opini orang-orang, sentimen, evaluasi, tingkah laku dan emosi terhadap suatu entitas seperti produk, layanan, organisasi, individu, permasalahan, topik, acara dan sebagainya. Tujuan dasarnya adalah untuk mengklasifikasikan polaritas dokumen, kalimat atau fitur yang diberikan. Penelitian melakukan analisis Sentimen pada dataset akun pln_123 dengan Twitter feed untuk meneliti dua pengklasifikasi: Support Vector Machine (SVM) dan Random Forest, dan menentukan yang paling akurat berdasarkan pada hasil yang diperoleh untuk tweet polaritas positif dan negatif. Hasil pada perhitungan akurasi menunjukkan bahwa metode Random Forest mendapatkan akurasi yang lebih tinggi dibandingkan metode klasifikasi Support Vector Machine, tanpa validasi K-Fold Cross Validation, Random Forest mendapatkan hasil sebesar akurasi 71.19% , sedangkan menggunakan validasi KFold Cross Validation mendapatkan hasil sebesar 71.95%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | machine learning, sentimen, klasifikasi, support vector machine, random forest | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 29 Jun 2022 06:47 | ||
| Last Modified: | 25 Aug 2023 06:49 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/3224 |
Actions (login required)
 |
View Item |