GHIYALTI NOVILIA Primary Author mixed material bibliography Banda Aceh Program Studi Magister Teknik Elektro Unsyiah 2023

Theses

Penentuan fitur adalah permasalahan utama dalam proses klasifikasi analisis sentimen. Pemilihan fitur yang tepat dapat mengurangi dimensi dataset, sehingga waktu yang digunakan untuk tahapan klasifikasi menjadi efisien dan nilai akurasi mengalami peningkatan. Penelitian ini menggunakan dua metode dalam pembentukan vector sentimen, pertama menggunakan fitur n-grams yang menghasilkan 6 fitur dan 18 fitur, kedua menggunakan TF-IDF dan Query Expansion Ranking (QER) yang menghasilkan vector 10, 20, 30, 40 dan 50 hasil dari perangkingan kata. Nilai f-measure yang dihasilkan pada 6 fitur menggunakan Naive Bayes adalah 0.73 dan nilai f-measure pada SVM adalah 0.76 sedangkan pada 18 fitur, nilai f-measure Naive Bayes sebesar 0.71 dan pada SVM sebesar 0.75. Pada kombinasi Naive Bayes dan QER nilai f-measure tertinggi pada perangkingan 20k sebesar 0.88, serta pada SVM dan QER nilai f-measure sebesar 0.91 untuk semua k. Pada fitur n-grams akurasi SVM pada 6 fitur dan 18 fitur lebih baik dibandingkan dengan Naive Bayes, Sedangkan pada Query Expansion Ranking (QER) nilai akurasi tertinggi menggunakan SVM. Hasil dari penelitian ini menunjukkan bahwa algoritma SVM lebih unggul dibandingkan Naive Bayes dalam analisis sentimen masalah smartphone. Akurasi meningkat ketika feature selection QER digunakan. Kata Kunci: Naive Bayes, Support Vector Machine (SVM), Query Expansion Ranking (QER), F-Measure, Fitur, Vector. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 109795 2023-03-27 12:18:53 2023-03-27 12:23:10 machine generated