IMPLEMENTASI NAÏVE BAYES CLASSIFIER PADA SISTEM ANALISIS SENTIMEN TWITTER

Rachman, Arief Mochammad (2016) IMPLEMENTASI NAÏVE BAYES CLASSIFIER PADA SISTEM ANALISIS SENTIMEN TWITTER. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Opini merupakan pikiran, anggapan, perkiraan tentang suatu hal. Opini yang muncul
dapat mempengaruhi orang lain karena setiap keputusan yang akan diambil oleh
seseorang atau organisasi diperlukan pertimbangan yang juga berdasarkan dari kumpulan
opini. Twitter merupakan sebuah situs microblog populer di Indonesia yang dapat
mengirimkan pesan pendek 140 karakter dan memungkinkan penggunanya
menyampaikan opini sehingga dapat terbaca oleh seluruh pengguna. Pada skripsi ini,
penulis memfokuskan untuk membangun sistem analisis sentimen yang dapat secara
otomatis mengklasifikasikan tweet opini yang mengandung kata kunci 'bpjs' ke dalam
kelas positif, negatif, dan netral. Teknik yang digunakan adalah teknik pembelajaran
mesin dengan menggunakan algoritma Naïve Bayes Classifier. Dataset yang terkumpul di
anotasi secara manual menjadi data latih dan terbentuk model yang akan di gunakan pada
algoritma Naïve Bayes Classifier. Dari model tersebut didapatkan kata-kata yang
dimasukkan ke dalam daftar stopwords dan sinonim. Pembentukan model, daftar
stopwords dan sinonim mempengaruhi terhadap peningkatan akurasi. Analisis sentimen
pada studi kasus tweet dengan kata kunci 'bpjs' menggunakan algoritma Naïve Bayes
Classifier memberikan hasil yang baik, terbukti dengan menunjukan akurasi sebesar
77,5615%. Hasil klasifikasi dengan kelas positif, negatif, dan netral disajikan dalam
bentuk tabel, grafik dan cloudwords. Dari penelitian ini menunjukkan bahwa algoritma
Naïve Bayes Classifier dapat digunakan untuk analisis sentimen pada data tweet
berbahasa Indonesia.;---Opinion is mind, assumption, estimate about a thing. Opinion that arise can affect people
because every decision will be taken by a person or organization is also required
consideration based on the collection of opinions. Twitter is a popular microblog site in
Indonesia that can send short messages of 140 characters, and allows users to submit
opinions that can be read by all users. In this thesis, the author focuses on building a
sentiment analysis system that can automatically classify opinions which has tweet
keywords 'bpjs' into the classroom tweet positive, negative, and neutral. The technique
used is using a machine learning technique by algorithm Naïve Bayes Classifier.
Datasets manually annotated to be a training data and formed into a model that will be
used on Naïve Bayes Classifier algorithm. From the model obtained words included in
the list of stopwords and synonims. The establishment of a model, a list of stopwords and
sysnonims affect to increased accuracy. Sentiment analysis on case studies tweet with
keywords 'bpjs' using Naïve Bayes Classifier algorithm gives good results, as evidenced
by the showing an accuracy of 77.5615%. Class classification results with positive,
negative, and neutral presented in tables, charts and cloudwords. This research shows
that the Naïve Bayes Classifier algorithm can be used for analysis of data tweet sentiment
in Indonesian language.

Preview	Text S_KOM_0900217_Title.pdf Download (134kB) | Preview
Preview	Text S_KOM_0900217_Abstract.pdf Download (132kB) | Preview
Preview	Text S_KOM_0900217_Table_of_content.pdf Download (111kB) | Preview
Preview	Text S_KOM_0900217_Chapter1.pdf Download (127kB) | Preview
	Text S_KOM_0900217_Chapter2.pdf Restricted to Staf Perpustakaan Download (3MB)
Preview	Text S_KOM_0900217_Chapter3.pdf Download (151kB) | Preview
	Text S_KOM_0900217_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB)
Preview	Text S_KOM_0900217_Chapter5.pdf Download (108kB) | Preview
Preview	Text S_KOM_0900217_Bibliograpy.pdf Download (132kB) | Preview
	Text S_KOM_0900217_Appendix.pdf Restricted to Staf Perpustakaan Download (210kB)

Item Type:	Thesis (S1)
Additional Information:	No. panggil : S KOM RAC i-2016; Pembimbing : I. Yudi Wibisono, II. Budi Laksono.
Uncontrolled Keywords:	Analisis Sentimen, Text Mining, Klasifikasi, Naïve Bayes Classifier, Sentiment Analysis, Text Mining, Classification, Naïve Bayes Classifier
Subjects:	T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Mr mhsinf 2017
Date Deposited:	31 Aug 2017 07:54
Last Modified:	31 Aug 2017 07:54
URI:	http://repository.upi.edu/id/eprint/25571

Actions (login required)

View Item