Klasifikasi Sentimen Analisis Kartun Dengan Metode Optical Character Recognition (OCR) Dan Algoritma K-Nearest Neighbour (KNN).

Sukemi, Sukemi (2019) Klasifikasi Sentimen Analisis Kartun Dengan Metode Optical Character Recognition (OCR) Dan Algoritma K-Nearest Neighbour (KNN). Annual Research Seminar Computer Science and ICT (ARS), 5 (1). pp. 221-226. ISSN 979-587-573-6

[thumbnail of Proseeding-ARS.pdf]
Preview
Text
Proseeding-ARS.pdf

Download (774kB) | Preview
[thumbnail of Cover-Pengelola-Daftar isi.pdf]
Preview
Text
Cover-Pengelola-Daftar isi.pdf

Download (541kB) | Preview

Abstract

Kartun adalah gambar dengan penampilan lucu yang mempresentasikan suatu peristiwa. Kartun editorial atau kartun politis biasanya ditujukan untuk menyatakan pandangan politik atau sosial dengan cara menyindir. Untuk menilai dan menentukan klasifikasi kumpulan kartun editorial dalam jumlah besar dibutuhkan sebuah sistem yang dapat mengklasifikasikan jenis kartun editorial kedalam dua klasifikasi negatif atau positif dengan menerapkan pengolahan citra digital dan OCR Tesseract yang dikombinasikan dengan algoritma K-Nearest Neighbour (KNN). OCR Tesseract diperlukan untuk mengenali teks yang terdapat pada sebuah gambar, sedangkan Algoritma K-Nearest Neighbour (KNN) sebagai metode klasifikasinya sentimen positif menyatakan pemberian nilai yang baik, sentimen negatif menyatakan nilai yang buruk pada konteks berbentuk teks. Dengan menghitung kemiripan antar dokumen menggunakan cosine similarity. Berdasarkan jumlah dokumen sebanyak 8 data citra uji, dengan data usul sebanyak 7 dokumen dan data hasil berjumlah 6 maka akurasi terbaik didapat sebesar 85,7% dengan k=3.

Item Type: Article
Subjects: Q Science > Q Science (General) > Q334-342 Computer science. Artificial intelligence. Algorithms. Robotics. Automation.
Divisions: 09-Faculty of Computer Science > 56201-Computer Systems (S1)
Depositing User: Dr. Sukemi Sukemi
Date Deposited: 18 Jan 2022 06:20
Last Modified: 18 Jan 2022 06:20
URI: http://repository.unsri.ac.id/id/eprint/61166

Actions (login required)

View Item View Item