KLASIFIKASI TEKS SENTIMEN NEGATIF KALIMAT BAHASA INDONESIA PADA KOLOM KOMENTAR INSTAGRAM MENGGUNAKAN ALGORITMA NAÏVE BAYES DENGAN FEATURE EXTRACTION N-GRAM DAN TF-IDF

Fitri, Elsismone Utari Fitri (2020) KLASIFIKASI TEKS SENTIMEN NEGATIF KALIMAT BAHASA INDONESIA PADA KOLOM KOMENTAR INSTAGRAM MENGGUNAKAN ALGORITMA NAÏVE BAYES DENGAN FEATURE EXTRACTION N-GRAM DAN TF-IDF. Tugas Akhir (S1) - thesis, UNIVERSITAS BAKRIE.

Preview	Text (00 Cover) 00 Cover.pdf - Accepted Version Download (600kB) | Preview
	Text (01 BAB I-III) 01 BAB I-III.pdf - Submitted Version Restricted to Registered users only Download (2MB) | Request a copy
	Text (02 BAB IV) 02 BAB IV.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (03 BAB V) 03 BAB V.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy
Preview	Text (04 DAFTAR PUSTAKA) 04 DAFTAR PUSTAKA.pdf - Accepted Version Download (1MB) | Preview
	Text (05 Lampiran) 05 Lampiran.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Saat ini Instagram berkembang dengan pesat. Berdasarkan hasil riset Wearesosial Hootsuite pengguna aktif Instagram di Indonesia tahun 2019 mencapai 55 juta pengguna. Instagram memberikan fitur komentar yang dapat digunakan setiap penggunanya. Meningkatnya komentar-komentar yang diberikan terutama komentar yang bersifat negatif menjadi masalah serius bagi kehidupan sosial. Hujatan merupakan suatu hal yang diucapkan tanpa adanya bukti yang benar. Sebagian pengguna media sosial tidak menyadari adanya hukum yang membahas tentang pencemaran nama baik atau sentimen negatif dan belum menyadari mana saja teks yang mengandung unsur tuduhan. Oleh karena itu, penulis mengusulkan penelitian klasifikasi teks sentimen negatif kalimat bahasa Indonesia dengan menggunakan metode machine learning. Klasifikasi teks sentimen negatif bahasa Indonesia ini menggunakan algoritma Naïve Bayes Classification (NBC) dengan 2 (dua) metode pendekatan Feature Extraction yaitu N-gram Features dan Term Frequency Inverse Document Frequency (TF-IDF), dengan menggunakan 500 data yang terdiri dari 400 data training dan 100 data testing pada 5 nama dengan masing-masing nama memiliki 20 komentar. Hasil pengukuran peforma pada penelitian klasifikasi teks fitnah bahasa Indonesia dengan metode confusion matrix 2x2 dengan hasil tingkat accuracy 87%, precision 100%, recall 85%, dan fmeasure 92%.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Sentimen Negatif, Machine Learning, Naïve Bayes Classification (NBC), N-gram Features, Term Frequency Inverse Document Frequency (TF-IDF).
Subjects:	Computer Science > Data structures Computer Science > Informatics Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User:	Elsismone Utari Fitri
Date Deposited:	22 Aug 2020 12:51
Last Modified:	22 Aug 2020 12:51
URI:	http://repository.bakrie.ac.id/id/eprint/3590

Actions (login required)

View Item