Mulsy, Hizbullah (2015) Penerapan metode decision tree untuk analisis sentimen pada acara televisi Indonesia. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Berkembangnya dunia pertelevisian di Indonesia ditandai dengan semakin banyaknya stasiun televisi yang mengudara baik yang bersifat nasional ataupun lokal. Semakin banyak stasiun televisi yang ada maka semakin banyak pula acara televisi yang ditayangkan. Dari sekian banyak program acara belum semuanya sama kualitasnya, perlu adanya suatu referensi untuk mengevaluasi kualitas suatu acara televisi. Salah satu caranya adalah melakukan analisis sentimen yaitu melihat pendapat pemirsanya yang ada di media sosial twitter. Fokus utama dari analisis sentimen adalah untuk mengklasifikasikan mana yang termasuk opini positif dan mana yang termasuk opini negatif. Metode klasifikasi yang digunakan adalah Metode Decision Tree. Dalam decision tree kata kunci yang digunakan berdsarkan atribut yang ditentukan. Berbeda dengan metode klasifikasi yang lain, pada decision tree dataset learning dari data twitter dibangun kembali ke dalam atribut masing-masing dan membentuk struktur pohon beserta rulenya. Analisis sentimen menggunakan menggunakan metode decision tree memberikan hasil yang baik. Terbukti dengan pengujian menggunakan confussion Matrix memperoleh akurasi �± 94%. Dibantu proses preprocessing dan struktur pohon yang sesuai membuat pengklasifikasian dengan Decision Tree menjadi lebih akurat.
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | analisis sentimen, pohon keputusan, acara televisi. |
Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2015 |
Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1) |
Depositing User: | Admin Repository |
Date Deposited: | 16 Nov 2016 08:09 |
Last Modified: | 16 Nov 2016 08:10 |
URI: | http://repository.unikom.ac.id/id/eprint/28920 |
Actions (login required)
View Item |