Penerapan Pelabelan Otomatis Pada Analisis Sentimen Berdasarkan Aspek

Erdiansyah, Teguh Ary (2022) Penerapan Pelabelan Otomatis Pada Analisis Sentimen Berdasarkan Aspek. Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_COVER.pdf - Published Version Download (30kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_LEMBAR PENGESAHAN.pdf - Published Version Download (132kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (105kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (118kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_KATA PENGANTAR.pdf - Published Version Download (100kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_DAFTAR ISI.pdf - Published Version Download (74kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_BAB 1.pdf - Published Version Download (139kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_BAB 2.pdf - Published Version Download (173kB) | Preview
	Text UNIKOM_TEGUH ARY ERDIANSYAH_BAB 3.pdf - Published Version Restricted to Repository staff only Download (660kB) | Request a copy
	Text UNIKOM_TEGUH ARY ERDIANSYAH_BAB 4.pdf - Published Version Restricted to Repository staff only Download (186kB) | Request a copy
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_BAB 5.pdf - Published Version Download (7kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_DAFTAR PUSTAKA.pdf - Published Version Download (109kB) | Preview
Preview	Text UNIKOM_TEGUH ARY ERDIANSYAH_LEMBAR KONTAK PENULIS _ KONTRIBUTOR.pdf - Published Version Download (93kB) | Preview

Abstract

Analisis sentimen adalah salah satu area penelitian yang populer dalam natural language processing yang digunakan untuk menganalisis atau mengidentifikasi opini, sentimen, dan emosi seseorang dalam menyikapi suatu topik tertentu. Analisis sentimen berdasarkan aspek difokuskan untuk mengidentifikasi polaritas opini pada aspek tertentu dengan mengklasifikasi tiap kata yang memiliki kategori yang sama. Opini memiliki peranan penting dalam aktivitas manusia karena dapat mempengaruhi sentimen bisnis dan politik, dikarenakan teks opini di media sosial memiliki jumlah yang besar sulit untuk mengidentifikasi polaritas setiap opini. Selain itu tahapan pelabelan kata secara manual pada analisis sentimen membutuhkan orang-orang yang ahli pada bidang kebahasaan dan membutuhkan waktu yang banyak untuk mengidentifikasi polaritas pada setiap opini. Oleh karena itu dibutuhkan analisis sentimen dengan pelabelan data secara otomatis untuk menemukan polaritas opini dan mengklasifikasikan opini secara cepat. Penelitian ini menggunakan pelabelan data secara otomatis dengan metode Lexicon menggunakan Inset Lexicon serta metode Latent Dirichlet Allocation (LDA) untuk mengetahui aspek yang terkandung pada data untuk analisis sentimen berdasarkan aspek. Data pada penelitian ini menggunakan data dari aplikasi Twitter dengan tag covid dan omicron dengan teks berbahasa Indonesia. Jumlah data keseluruhan berjumlah 1519 data. Penelitian ini menghasilkan 2 aspek yaitu covid dan omicron. Pengukuran akurasi menggunakan confusin matrix. Pada pengujian pelabelan aspek didapati nilai akurasi sebesar 78%. Pada pengujian sentimen dengan aspek didapati nilai akurasi tertinggi sebesar 89% pada sentimen dengan aspek covid, nilai presisi tertinggi sebesar 91% pada aspek covid dengan sentimen positif dan aspek omicron dengan sentimen negatif, nilai recall tertinggi sebesar 95% pada aspek covid dengan sentimen negatif, dan nilai f1-score tertinggi sebesar 92% pada aspek covid dengan sentimen negatif.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis sentimen berdasarkan aspek, Pelabelan data secara otomatis, Inset Lexicon, Latent Dirichlet Allocation
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Hayati Kosasih
Date Deposited:	01 Dec 2022 06:57
Last Modified:	01 Dec 2022 06:57
URI:	http://elibrary.unikom.ac.id/id/eprint/7107

Actions (login required)

View Item