Studi Komparatif Metode Ekstraksi Fitur pada Analisis Sentimen Maskapai Penerbangan Menggunakan Support Vector Machine dan Maximum Entropy

Cindo, Mona; Rini, Dian Palupi; Ermatita, Ermatita

doi:10.29207/resti.v3i3.1159

Cited by 4 publications

(4 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Analisis Sentimen merupakan proses dalam menentukan sentimen atau sebuah gagasan seseorang dalam sebuah teks yang dapat dikategorikan sentimen positif atau negarif [13]. Analisis sentimen dapat disebut juga dengan suatu proses memahami, mengekstrasi, dan secara otomatis memproses data tekstual untuk mendapatkan informasi yang dibahas dan terkandung didalam text [14].…”

Section: Analisis Sentimentunclassified

Klasifikasi Persepsi Pengguna Twitter Terhadap Kasus Covid-19 Menggunakan Metode Logistic Regression

Santoso,

Noviriandini,

Kurniasih

et al. 2021

JIK

View full text Add to dashboard Cite

Dunia dilanda penyakit coronavirus (COVID-19) yang menyerang sistem pernafasan pada manusia. Virus tersebut berasal dari Wuhan, China. Dan saat ini sudah ditetapkan sebagai pandemi karena sudah menyebar hampir di seluruh Negara. Hal tersebut memicu gagasan dan opini masyarakat Amerika Serikat di media sosial twitter. Cuitan tersebut dimanfaatkan untuk mengetahui emosi seseorang dengan mengelompokan dalam 5 label diantaranya, extreme positive, positive, neutral, negative dan extreme negative. Pada hal ini penulis mengelompokan label menjadi 3 label kelas, diantaranya positive, neutral dan negative. Penulis menguji menggunakan metode Logistic Regression dengan memberi variasi hyperparameter L2 dan None. Pada hyperparameter L2 diperoleh nilai akurasi 77% dan F1 score sebesar 74%. Dan pada variasi hyperparameter None diperoleh nilai akurasi 74% dan F1 Score 70%. Dalam demikian, pada nilai hyperparameter L2 merupakan variasi terbaik pada metode Logistic Regression.

show abstract

Section: Analisis Sentimentunclassified

Klasifikasi Persepsi Pengguna Twitter Terhadap Kasus Covid-19 Menggunakan Metode Logistic Regression

Santoso,

Noviriandini,

Kurniasih

et al. 2021

JIK

View full text Add to dashboard Cite

show abstract

“…Suatu metode yang dapat digunakan untuk mewujudkannya yaitu dengan menggunakan analisis sentimen [3] [6]. Analisis sentimen ialah suatu metode dalam memahami, mengekstrasi data sentimen yang biasanya akan dikategorikan berdasarkan polaritasnya, apakah positif atau negatif dengan menggunakan teknik Natural Language Processing (NLP) [7][8] [9]. Saat ini analisis sentimen menjadi salah satu topik panas yang banyak digunakan para peneliti, yang memiliki tujuan untuk menyediakan informasi dari sebuah Volume 4, Nomor 3, Juli 2020, Page 650-658 ISSN 2614-5278 (media cetak), ISSN 2548-8368 (media online) Available Online at https://ejurnal.stmik-budidarma.ac.id/index.php/mib DOI 10.30865/mib.v4i3.2181…”

Section: Pendahuluanunclassified

“…Jika hasil perhitungan keputusan lebih dari sama dengan 0 maka nilai adalah +1, maka termasuk kelas positif dan jika hasil perhitungan keputusan kurang dari 0 maka nilai nilai -1, maka termasuk kelas negatif. Perhitungan keputusan dengan menggunakan persamaan (7).…”

Section: Support Vector Machine (Svm)unclassified

Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM)

Tineges

Triayudi

Sholihati

2020

mib

View full text Add to dashboard Cite

In the year 2018, 18.9% of the population in Indonesia mentioned that the main reason for their use of the Internet is social media. One of the social media with an active user of 6.43 million users is Twitter. Based on the surge of information published via Twitter, it is possible that such information may contain the user's opinions on an object, such objects may be events around the community such as a product or service. This makes the company use Twitter as a medium to disseminate information. An example is an Internet Service Provider (ISP) such as Indihome. Through Twitter, users can discuss each other's complaints or satisfaction with Indihome's services. It takes a method of sentiment analysis to understand whether the textual data includes negative opinions or positive opinions. Thus, the authors use the Support Vector Machine (SVM) method in sentiment analysis on the opinions of the Indihome service user on Twitter, with the aim of obtaining a sentiment classification model using SVM, and to know how much accuracy the SVM method generates, which is applied to sentiment analysis, and to see how satisfied the Indihome service users are based on Twitter. After testing with SVM method The result is accuracy 87%, precision 86%, recall 95%, error rate 13%, and F1-score 90%

show abstract

“…Sentiment analysis is a process that functions to determine opinions, and also emotions that are translated through text. Usually, these sentiments are later classified into positive and negative opinions [4].…”

Section: Introductionmentioning

confidence: 99%

Sentiment Analysis on Social Media with Glove Using Combination CNN and RoBERTa

Putra¹,

Setiawan²

2023

J. RESTI (Rekayasa Sist. Teknol. Inf.)

View full text Add to dashboard Cite

Twitter is a popular social media platform that allows users to share short message’s opinion and engage in real-time conversations on a wide range of topics known as tweet. However, tweets often have a complicated and unclear context, which makes it difficult to determine the actual emotion. Therefore, sentiment analysis is required to see the tendency of an opinion, whether the opinion tends to be positive, negative, or neutral. Researchers or institutions can find out how the response and emotions of an issue are happening and make good decisions. With the large user of Twitter social media in Indonesia, sentiment analysis will be carried out using deep learning Convolutional Neural Network (CNN), Term Frequency-Inverse Document Frequency (TF-IDF), Robustly Optimized BERT Pretraining Approach (RoBERTa), Synthetic Minority Over-sampling Technique (SMOTE), and Global Vector (Glove). In this research, the dataset used is trending topics with hashtags related to government policies on Twitter social media and obtained through crawling. By using 30.811 data, the result shows the highest accuracy of 95.56% using CNN with a split ratio of 90:10, baseline unigram, RoBERTa, SMOTE, and Top10 corpus tweet with an increase 10.1%.

show abstract

Studi Komparatif Metode Ekstraksi Fitur pada Analisis Sentimen Maskapai Penerbangan Menggunakan Support Vector Machine dan Maximum Entropy

Cited by 4 publications

References 5 publications

Klasifikasi Persepsi Pengguna Twitter Terhadap Kasus Covid-19 Menggunakan Metode Logistic Regression

Klasifikasi Persepsi Pengguna Twitter Terhadap Kasus Covid-19 Menggunakan Metode Logistic Regression

Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM)

Sentiment Analysis on Social Media with Glove Using Combination CNN and RoBERTa

Contact Info

Product

Resources

About