eprintid: 519
rev_number: 15
eprint_status: archive
userid: 34
dir: disk0/00/00/05/19
datestamp: 2020-11-19 04:02:31
lastmod: 2021-06-23 02:50:28
status_changed: 2020-11-19 04:02:31
type: thesis
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: 71150017, Adiel Julio
creators_id: adiel.julio@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: Sebastian, Danny
contributors_name: Nugraha, Kristian Adi
corp_creators: Universitas Kristen Duta Wacana
title: KLASIFIKASI SENTIMEN KOMENTAR INSTAGRAM BERBAHASA INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE
ispublished: pub
subjects: QA75
subjects: QA76
subjects: T1
divisions: tek_informatika
full_text_status: restricted
keywords: Support Vector Machine, Analisis Sentimen, k-fold cross-validation,
tf-idf, stemmer, n-gram
abstract: Media sosial adalah salah satu kebutuhan wajib bagi sebagian besar kalangan masyarakat. Salah satu media sosial yang popular adalah Instagram. Namun dari manfaat penggunaan Instagram tersebut, masih banyak pengguna yang belum memahami etika dalam bersosialisasi pada dunia maya. Hal tersebut tentunya
menjadi salah satu peringatan bagi pengguna agar dapat mengurangi perbuatan yang merugikan tersebut. Dari masalah tersebut, analisis sentimen sangat diperlukan dalam menyaring komentar di media sosial, untuk mengetahui komentar yang bersifat negatif, positif, maupun netral. Dari analisis sentimen tersebut kita dapat mengetahui bagaimana sentimen seseorang berlaku terhadap akun tersebut. Dalam melakukan analisis sentimen diperlukan metode klasifikasi yang menunjang. Dalam penelitian ini, Penulis akan membuat sistem yang menerapkan
analisis sentimen terhadap komentar di Instagram dengan menggunakan metode klasifikasi Support Vector Machine (SVM). Penulis meneliti akurasi metode SVM dalam mengklasifikasi sentimen. Penulis juga meneliti faktor yang mempengaruhi
tingkat akurasi. Faktor yang akan diteliti berupa jumlah k dalam k-fold, penggunaan kernel, dan penggunaan stemmer dalam preprocessing. Berdasarkan hasil penelitian Penulis, didapatkan rata-rata akurasi terbaik dengan fitur kombinasi unigram dan bigram sebesar 76.307 %. Serta beberapa pengujian mendapatkan kesimpulan bahwa kernel polynomial kurang sesuai dalam
mengklasifikasi dengan fitur tf-idf. Selain itu, penggunaan stemmer cukup mempengaruhi hasil pada kasus tertentu.
date: 2019-07
date_type: published
pages: 40
institution: Universitas Kristen Duta Wacana
department: Informatika
thesis_type: skripsi
thesis_name: other
citation:   71150017, Adiel Julio  (2019) KLASIFIKASI SENTIMEN KOMENTAR INSTAGRAM BERBAHASA INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE.  Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.   
document_url: https://katalog.ukdw.ac.id/519/1/71150017_bab1_bab5_daftarpustaka.pdf
document_url: https://katalog.ukdw.ac.id/519/2/71150017_bab2-sd-bab4_lampiran.pdf