Multiclass SVM Algorithm for Sarcasm Text in Twitter

Abstract

Penelitian dibidang text mining sekarang ini semakin marak dilakukan karena berbagai industry dan tokoh public yang ingin mendapatkan informasi terkait pendapat publik tentang produk atau penilaian individual yang didapatkan dari media social baik pendapat yang bersifat pendapat biasa maupun sarkasme. Pada proses melakukan text mining banyak sekali metode klasifikasi yang dapat digunakan, salah satunya yaitu metode Support Vector Machine yang dapat dioptimasi sehingga bisa mengklasifikasikan data menjadi tiga kelas klasifikasi yaitu SVM One Againts One dan One Againts Rest. Data yang digunakan pada penelitian adalah sebanyak 2072 data yang berasal dari media social twitter. Hasil yang didapatkan dari penelitian ini adalah nilai akurasi yang memiliki nilai yang sama besarnya baik yang dilakukan secara acak maupun tidak acak dengan nilai sebesar 60,82% dilakukan secara acak dan 60,93% secara tidak acak. Pada nilai lainnya seperti presisi, recall dan F1score metode SVM One Againts Rest memiliki nilai yang lebih unggul dibandingkan dengan nilai SVM One Againts One.

Analisis Klasterisasi Penilaian Kinerja Pegawai Menggunakan Metode Fuzzy C-Means (Studi Kasus : Pengadilan Tinggi Agama bandar lampung)

“…Algoritna FCM merupakan salah satu algoritma yang terdapat pada teknik klaster (Sanusi, 2018). FCM merupakan pengcluseran dari sebuah data yang akan di kelompokan berdasarkan nilai 0 sampai 1, semakin tinggi nilai keanggotaannya maka semakin tinggi derajat keanggotaannnya, dan semakin kecil nilai keanggotaannya maka semakin rendah keanggotaannya (Alita, 2021). FCM merupakan versi Fuzzy dari K-Means dengan beberapa modifikasi yang membedakannya dengan K-Means (Prasetyo, 2019).…”

A Multi-View Interactive Approach for Multimodal Sarcasm Detection in Social Internet of Things with Knowledge Enhancement

“…Another common application is multimodal data analysis on mobile social platforms such as WeChat, Facebook, and Twitter. Early sarcasm detection research mainly utilized machine learning methods to mine information, such as viewpoint or emotional orientation in text for text classification [8,9]. With the advancements in mobile social media technology, people can share their daily lives or comments on current hot events through multimodal data composed of videos, images, and text issued on platforms like Twitter and Weibo, et al, resulting in a substantial increase in the volume of multimodal data available.…”