PERBANDINGAN ANALISIS SENTIMEN MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN MODIFIED K-NEAREST NEIGHBOR DENGAN SELEKSI FITUR INFORMATION GAIN

PAMBUDI, ADITYO AJI and Yusliani, Novi and Miraswan, Kanda Januar (2022) PERBANDINGAN ANALISIS SENTIMEN MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN MODIFIED K-NEAREST NEIGHBOR DENGAN SELEKSI FITUR INFORMATION GAIN. Undergraduate thesis, Sriwijaya University.

	Text RAMA_55201_09021281722049.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text RAMA_55201_09021281722049_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (20MB) | Request a copy
Preview	Text RAMA_55201_09021281722049_0008118205_0009019002_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (784kB) | Preview
	Text RAMA_55201_09021281722049_0008118205_0009019002_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (295kB) | Request a copy
	Text RAMA_55201_09021281722049_0008118205_0009019002_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (499kB) | Request a copy
	Text RAMA_55201_09021281722049_0008118205_0009019002_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_55201_09021281722049_0008118205_0009019002_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (377kB) | Request a copy
	Text RAMA_55201_09021281722049_0008118205_0009019002_06.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (72kB) | Request a copy
	Text RAMA_55201_09021281722049_0008118205_0009019002_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (135kB) | Request a copy
	Text RAMA_55201_09021281722049_0008118205_0009019002_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Opini-opini di media sosial bisa dikeluarkan oleh warganet dalam bentuk tulisan untuk mengekspresikan perasaan atau emosinya. Jumlahnya bisa sangat banyak dan bahasanya tidak selalu baku. Maka dari itu analisis sentimen diperlukan sebagai sistem yang dapat menganalisis opini-opini tersebut. Pada analisis sentimen masalah tingginya dimensi atribut data dapat berefek pada akurasi sehingga kinerja sistem tidak memuaskan. Untuk itu diperlukan seleksi fitur. Pada penelitian ini, analisis sentimen dilakukan menggunakan metode klasifikasi K-Nearest Neighbor (KNN) dan Modified K-Nearest Neighbor (MK-NN) tanpa seleksi fitur dan dengan seleksi fitur Information Gain. Pada dataset PILKADA 1, hasil akurasi terbaik diperoleh pada pengujian MK-NN dengan seleksi fitur Information Gain threshold 60% yaitu 59,8%. Pada dataset PILKADA 2 hasil akurasi terbaik diperoleh pada pengujian MK-NN dengan seleksi fitur Information Gain threshold 40% yaitu 78.2%. Dari hasil pengujian didapatkan MK-NN tidak selalu lebih baik daripada K-NN begitupun sebaliknya. Information Gain dapat meningkatkan akurasi namun bergantung pada threshold yang dipilih. MK-NN dan Information Gain dapat menghasilkan akurasi yang lebih baik namun bergantung pada pilihan threshold. Penurunan dan peningkatan akurasi kurang dari 7%

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Analisis sentimen, K-Nearest Neighbor, Modified K-Nearest Neighbor, Seleksi Fitur, Information Gain
Subjects:	T Technology > T Technology (General) > T1-995 Technology (General)
Divisions:	09-Faculty of Computer Science > 55201-Informatics (S1)
Depositing User:	Mr Adityo Aji Pambudi
Date Deposited:	14 Feb 2022 02:21
Last Modified:	14 Feb 2022 02:21
URI:	http://repository.unsri.ac.id/id/eprint/64958

Actions (login required)

View Item