Analisis Sentimen Berdasarkan Knowledge Pattern Dan Learning Vector Quantization

Data dari media sosial yang berisi opini dari masyarakat dapat diolah menjadi sebuah informasi yang lebih penting nilainya, salah satunya dengan menggunakan analisis sentimen. Dalam perkembangannya analisis digunakan dalam banyak kepentingan misal perusahaan, lembaga survey, dan pemerintahan. Di dalam penelitian Tugas Akhir ini, dilakukan analisis sentimen menggunakan algoritma Learning Vector Quantization (LVQ). Langkah pertama yang dilakukan adalah pengambilan data review film dari situs imbd dengan cara crawling data menggunakan aplikasi Web Harvy. Setelah itu melakukan preprocessing untuk mengolah data dan mencari fitur yang ada di dalamnya. Setelah mendapatkan hasil dari preprocessing maka data di masukan kedalam code book vector untuk di klasifikasi menggunakan algoritma Learning Vector Quantization (LVQ). Performansi akurasi dilakukan dengan mengguankan Confusion Matrix dengan menguji learning rate, epoch dan jumlah data yang digunakan. Dari hasil pengujian performansi algoritma Learning Vector Quantization (LVQ) diketahui bahwa semakin tinggi learning rate maka akurasi yang didapatkan semakin kecil, kemudian semakin tinggi jumlah epoch maka akurasi semakin besar. Akurasi yang berhasil dicapai pada penelitian ini dengan menggunakan 100 data training dan 25 data untuk pelatihan sebesar 84%, precision 100% dan recall 60%. Kesimpulan dari hasil yang didapat adalah algoritma LVQ dapat melakukan klasifikasi opini positif dan negatif terhadap review film berbahasa Inggris.