Ghiffari, Rizaldi Naufal (2022) Pengaruh Pendeteksian Sarkasme Pada Analisis Sentimen Masyarakat Terhadap Politikus Indonesia Menggunakan Random Forest Classifier. Other thesis, Universitas Komputer Indonesia.
1.UNIKOM_RIZALDI NAUFAL GHIFFARI_COVER.pdf - Published Version
Download (34kB) | Preview
19.UNIKOM_RIZALDI NAUFAL GHIFFARI_LEMBAR PENGESAHAN.pdf - Published Version
Download (166kB) | Preview
17.UNIKOM_RIZALDI NAUFAL GHIFFARI_SURAT KETERANGAN PUBLIKASI.pdf - Published Version
Download (137kB) | Preview
20.UNIKOM_RIZALDI NAUFAL GHIFFARI_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version
Download (125kB) | Preview
4.UNIKOM_RIZALDI NAUFAL GHIFFARI_KATA PENGANTAR.pdf - Published Version
Download (64kB) | Preview
5.UNIKOM_RIZALDI NAUFAL GHIFFARI_DAFTAR ISI.pdf - Published Version
Download (18kB) | Preview
11.UNIKOM_RIZALDI NAUFAL GHIFFARI_BAB 1.pdf - Published Version
Download (116kB) | Preview
12.UNIKOM_RIZALDI NAUFAL GHIFFARI_BAB 2.pdf - Published Version
Download (273kB) | Preview
13.UNIKOM_RIZALDI NAUFAL GHIFFARI_BAB 3.pdf - Published Version
Restricted to Repository staff only
Download (789kB) | Request a copy
14.UNIKOM_RIZALDI NAUFAL GHIFFARI_BAB 4.pdf - Published Version
Restricted to Repository staff only
Download (245kB) | Request a copy
15.UNIKOM_RIZALDI NAUFAL GHIFFARI_BAB 5.pdf - Published Version
Download (10kB) | Preview
10.UNIKOM_RIZALDI NAUFAL GHIFFARI_DAFTAR PUSTAKA.pdf - Published Version
Download (134kB) | Preview
18.UNIKOM_RIZALDI NAUFAL GHIFFARI_LEMBAR KONTAK PENULIS _ KONTRIBUTOR.pdf - Published Version
Download (7kB) | Preview
Abstract
Analisis sentimen merupakan bidang studi yang menanalisis pendapat, sentiment, penilaian, evaluasi, sikap, dan emosi seseorang terkait suatu topik, layanan, produk, individu maupun organisasi tertentu. Analisis sentimen dilakukan untuk menentukan apakah opini atau komentar terhadap suatu topik memiliki kecenderungan positif atau negative dan dapat dijadikan sebagai acuan dalam meningkatkan suatu pelayanan, ataupun meningkatkan kualitas produk. Pada saat melakukan proses analisis sentimen kita akan menemukan beberapa kalimat sarkas. Penyampaian sarkas dalam bentuk teks seringkali kompleks sehingga bisa saja menyebabkan pembaca salah memahami polaritas dari suatu teks. Pada penelitian yang dilakukan oleh B. Gunawan yang menggunakan Metode Naive Bayes menghasilkan akurasi tertinggi yaitu 77.78%. Selanjutnya, Pada penelitian yang dilakukan oleh S. Fanissa berjudul Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking memiliki akurasi tertinggi sebesar 86.6%. Lalu penelitian yang dilakukan oleh D. Alita melakukan analisis sentimen dengan menggunakan pendeteksian sarkasme dapat meningkatkan nilai rata-rata dari akurasi, presisi, recall dan f1score dengan kenaikan nilai rata-rata akurasi sebesar 16,61 %, kenaikan nilai presisi sebesar 5,45 %, kenaikan nilai recall sebesar 9,64% dan kenaikan nilai F1score sebesar 11,27%. Maka pada penelitian ini akan melakukan penerapan metode Naïve Bayes sebagai metode untuk klasifikasi dan metode Random Forest Classifier sebagai metode untuk mendeteksi sarkas pada kasus komentar di twitter terhadap politikus di Indonesia. Data yang digunakan pada penelitian ini adalah 1039 data yang terdiri dari 621 data negatif dan 418 data positif, dari data positif tersebut mengandung 142 kelas sarkas dan 276 kelas tidak sarkas. Hasil pengujian akurasi dari confusion matrix dan k-fold cross validation dengan nilai k sebesar 10 menghasilkan akurasi untuk sentiment tanpa sarkas sebesar 77%, akurasi untuk deteksi sarkas sebesar 85% dan akurasi untuk sentiment dengan deteksi sarkas sebesar 79%, kenaikan akurasi yang didapat dari sentiment tanpa sarkas dan sentiment dengan deteksi sarkas adalah 2%.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, Sarkas, Naïve Bayes, Random Forest Classifier |
| Subjects: | 000 COMPUTER SCIENCE, INFORMATION & GENERAL WORKS > 004 Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | S1 Skripsi > Teknik Informatika |
| Depositing User: | Mia Hayati Kosasih |
| Date Deposited: | 30 Nov 2022 06:33 |
| Last Modified: | 30 Nov 2022 06:33 |
| URI: | http://elibrary.unikom.ac.id/id/eprint/7093 |
