eprintid: 2508
rev_number: 11
eprint_status: archive
userid: 33
dir: disk0/00/00/25/08
datestamp: 2020-06-16 05:14:01
lastmod: 2020-06-16 05:14:01
status_changed: 2020-06-16 05:14:01
type: thesis
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: 71110012, OSWIN RAHADIYAN HARTONO
creators_id: oswin.rh@ti.ukdw.ac.id
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Virginia, Gloria
contributors_name: C., Antonius Rachmat
corp_creators: Universitas Kristen Duta Wacana
title: IMPLEMENTASI ALGORITMA IB1  TERHADAP KLASIFIKASI SENTIMEN PADA REVIEW FILM
ispublished: pub
subjects: QA
subjects: QA75
subjects: T1
divisions: tek_informatika
full_text_status: restricted
keywords: klasifikasi, review film, IB1, WordNet
abstract: Review dapat digunakan dalam dunia perfilman sebagai pertimbangan untuk menentukan apakah sebuah film akan ditonton atau tidak. Dengan semakin banyaknya film yang dirilis, maka semakin banyak pula review penonton maupun pengamat film yang beredar di situs-situs perfilman. Kebanyakan review tidak dikategorikan berdasarkan isinya secara eksplisit apakah tergolong dalam review yang positif atau negatif. Akibatnya, pembaca review harus menentukan sendiri apakah review yang dibacanya bersifat positif atau negatif. 
Adanya klasifikasi sentimen untuk review sebuah film akan memberi kemudahan bagi pengguna dalam mencari jenis review yang diinginkan. Adapun penelitian ini penulis menggunakan algoritma IB1 dimana teks direpresentasikan dalam vektor dengan menggunakan metode TF-IDF untuk pembobotan, serta komponen WordNet untuk mengekspansi token dengan sinonim nya. Setiap dokumen uji akan dihitung jarak kemiripannya dengan setiap dokumen latih menggunakan cosine similarity. Pemilihan kelas dilakukan berdasarkan similar instances (atau jumlah k dalam k-NN) yang dipakai. Dokumen uji yang terklasifikasi dengan benar akan dimasukan dalam kumpulan dokumen latih.
Dalam penelitian ini penulis melakukan beberapa pengujian evaluasi untuk mengetahui efektivitas klasifikasi algoritma IB1 dengan atau tanpa WordNet. Sistem klasifikasi yang dikembangkan dapat memberikan akurasi yang cukup tinggi. Rata-rata akurasi tanpa menggunakan WordNet sebesar 72,9%
sedangkan rata-rata akurasi dengan menggunakan WordNet menghasilkan nilai sebesar 78,7%. Nilai rata-rata F-Measure yaitu 0,719 untuk klasifikasi tanpa WordNet dan 0.772 untuk klasifikasi menggunakan WordNet
date: 2015-08
date_type: submitted
pages: 90
institution: Universitas Kristen Duta Wacana
department: Teknologi Informasi
thesis_type: skripsi
thesis_name: other
citation:   71110012, OSWIN RAHADIYAN HARTONO  (2015) IMPLEMENTASI ALGORITMA IB1 TERHADAP KLASIFIKASI SENTIMEN PADA REVIEW FILM.  Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.   
document_url: https://katalog.ukdw.ac.id/2508/1/71110012_bab1_bab5_daftarpustaka.pdf
document_url: https://katalog.ukdw.ac.id/2508/2/71110012_bab2-sd-bab4_lampiran.pdf