Zaqisyah (2014) Optimasi Akurasi Analisis Sentimen Pada Posting Twitter Menggunakan Metode Naive Bayes dan Stemming. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Analisis sentimen dilakukan untuk melihat pendapat atau kecenderungan opini terhadap sebuah masalah atau objek oleh seseorang, apakah cenderung berpandangan atau beropini negatif atau positif. Salah satu contoh penggunaan analisis sentimen dalam dunia nyata adalah identifikasi opini publik terhadap kandidat capres. Akibatnya timbul kebutuhan untuk mengatur dan mengelompokkan opini berdasarkan sentimennya agar seseorang dapat mencari dan menilai kualitas kandidat capres dari opini publik, akan tetapi jika pengelompokkan berita dilakukan secara manual memakan waktu yang lama dan mahal maka dari itu diperlukan klasifikasi dokumen.Metode yang dapat digunakan dalam pengklasifikasian yaitu Naive Bayes. Naive Bayes merupakan metode klasifikasi dengan tingkat keakuratan tinggi dan penghitungan yang sederhana. Alat pemodelan yang digunakan adalah flowmap, dan Unified Modelling Language (UML).Metodologi penelitian yang digunakan dalam menyusun tugas akhir ini adalah metode Analisis Deskriptif.Berdasarkan hasil penelitian dan setelah dilakukannya pengujian alpha dan terhadap sistem klasifikasi Naive Bayes pada posting twitter kesimpulan yang diambil yaitu stopwords dan stemming cukup mempengaruhi kinerja sistem pada akurasi karena kosa kata yang didapat berbeda hasilnya.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | analisis sentimen, stemming, Naive Bayes |
| Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2014 |
| 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 08:10 |
| Last Modified: | 16 Nov 2016 08:10 |
| URI: | http://repository.unikom.ac.id/id/eprint/29156 |
Actions (login required)
 |
View Item |
