PERBANDINGAN METODE PEMBOBOTAN TF-IDF DAN TF-RF DALAM PERFORMA ALGORITMA SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN

Nugroho, Rizki Arif Priyanto (2020) PERBANDINGAN METODE PEMBOBOTAN TF-IDF DAN TF-RF DALAM PERFORMA ALGORITMA SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (210kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (570kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (250kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (58kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (194kB)
	Archive (SOURCE CODE) Source_code - Rizki Arif Priyanto Nugroho.zip Restricted to Repository staff only Download (63kB)
	Text (PUBLIKASI) Publikasi_15.11.9304 - Rizki Arif Priyanto Nugroho.pdf Restricted to Repository staff only Download (1MB)

Abstract

Pada analisis sentimen terdiri dari beberapa proses, yaitu preprocessing, pembobotan fitur, klasifikasi dan evaluasi. Proses metode pembobotan ternyata proses penting yang dapat mempengaruhi performa dari algoritma klasifikasi yang diterapkan. Berberapa penelitian sebelumnya melakukan penelitian terkait fitur pembobotan untuk mengetahui pengaruhnya terhadap performa algoritma klasifikasi. Maka dari itu, penelitian ini akan meneliti pengaruh metode pembobotan terhadap performa algoritma klasifikasi. Pada penelitian ini, peneliti tidak melakukan proses preprocessing karena menggunakan dataset milik peneliti sebelumnya. Metode pembobotan yang digunakan adalah TF-IDF dan TF-RF. Metode pembobotan TF-IDF adalah salah satu metode pembobotan yang populer digunakan dalam membobotkan kata. Sedangkan TF-RF adalah metode pembobotan penyempurnaan dari metode pembobotan sebelumnya yang masih tradisional. Setelah melewati pembobotan kata, kemudian diklasifikasikan menggunakan algoritma Support Vector Machine yang dikombinasikan dengan tokenisasi fitur N-Gram. Hasil dari penelitian ini akan dievaluasi menggunakan Confusion Matrix dan K-fold Cross Validation. Hasil dari penelitian ini menunjukan akurasi dari kedua metode pembobotan tersebut tak memiliki perbedaan yang signifikan. Kesimpulan dari penelitian ini menunjukan jika akurasi dari TF-IDF dan TF-RF tidak memiliki perbedaan yang signifikan dalam dokumen berbahasa Indonesia.

Actions (login required)

View Item