Analisis Sentimen Berdasarkan Aspek Menggunakan Learning Vector Quantization

Septianti, Winda Pratiwi (2020) Analisis Sentimen Berdasarkan Aspek Menggunakan Learning Vector Quantization. Other thesis, Universitas Komputer Indonesia.

[img]
Preview
Text
1. 10115477_WINDA PRATIWI SEPTIANTI_COVER.pdf - Published Version

Download (21kB) | Preview
[img]
Preview
Text
19. 10115477_WINDA PRATIWI SEPTIANTI_LEMBAR PENGESAHAN.pdf - Published Version

Download (274kB) | Preview
[img]
Preview
Text
17. 10115477_WINDA PRATIWI SEPTIANTI_SURAT KETERANGAN PUBLIKASI.pdf - Published Version

Download (187kB) | Preview
[img]
Preview
Text
20. 10115477_WINDA PRATIWI SEPTIANTI_SURAT KETERANGAN ORISINALITAS.pdf - Published Version

Download (205kB) | Preview
[img]
Preview
Text
4. 10115477_WINDA PRATIWI SEPTIANTI_KATA PENGANTAR.pdf - Published Version

Download (115kB) | Preview
[img]
Preview
Text
11. 10115477_WINDA PRATIWI SEPTIANTI_BAB 1.pdf - Published Version

Download (51kB) | Preview
[img]
Preview
Text
12. 10115477_WINDA PRATIWI SEPTIANTI_BAB 2.pdf - Published Version

Download (347kB) | Preview
[img] Text
13. 10115477_WINDA PRATIWI SEPTIANTI_BAB 3.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
14. 10115477_WINDA PRATIWI SEPTIANTI_BAB 4.pdf - Published Version
Restricted to Repository staff only

Download (291kB) | Request a copy
[img]
Preview
Text
15. 10115477_WINDA PRATIWI SEPTIANTI_BAB 5.pdf - Published Version

Download (5kB) | Preview
[img]
Preview
Text
10. 10115477_WINDA PRATIWI SEPTIANTI_DAFTAR PUSTAKA.pdf - Published Version

Download (123kB) | Preview
Official URL: https://elibrary.unikom.ac.id

Abstract

Tujuan dari penelitian ini untuk mengetahui performa dari metode yang digunakan dalam menganalisis sentimen berdasarkan aspek. Adapun metode yang digunakan pada penelitian ini yaitu Learning Vector Quantization. Dimana data latih dan data uji sebelumnya melalui tahap preprocessing untuk mengolah data dan mengekstraksi fitur yang ada di dalamnya. Tahap preprocessing yang digunakan yaitu case folding, filtering, tokenization, word normalization, dan stopword removal. Setelah itu list fitur diubah menjadi bentuk vector dengan menggunakan pembobotan TF-IDF. Berdasarkan hasil penelitian yang dilakukan pada analisis sentimen berdasarkan aspek ini, pengujian LVQ dengan skenario pengujian mendapatkan hasil terbaik dengan learning rate 0.05 dan epoch ke-100 mendapatkan hasil sebesar 67.02%. Berdasarkan hasil pengujian, diperoleh akurasi menggunakan metode LVQ sebesar 61,72%.

Item Type: Thesis (Other)
Uncontrolled Keywords: Learning Vector Quantization, Analisis Sentimen, Berdasarkan Aspek, Preprocessing, TF-IDF
Subjects: 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data
Divisions: S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User: Mrs. Calis Maryani
Date Deposited: 14 Sep 2020 01:59
Last Modified: 17 Sep 2020 04:14
URI: http://elibrary.unikom.ac.id/id/eprint/2746

Actions (login required)

View Item View Item