Muhamad Biki Hamzah, 4611417018 (2021) KLASIFIKASI ANALISIS SENTIMEN ULASAN FILM MENGGUNAKAN CHI-SQUARE DAN MULTINOMIAL NAÏVE BAYES DENGAN ADAPTIVE BOOSTING. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Persoalan analisis sentimen telah menarik perhatian bagi para peneliti. Analisis sentimen adalah teknik yang digunakan untuk menentukan orientasi sentimen dari dokumen atau dataset yang berbentuk teks dan berisi opini. Ulasan mengenai suatu produk menjadi sumber data yang penting untuk menjadi pertimbangan bagi para konsumen maupun para produsen. Dalam penelitian ini dilakukan klasifikasi analisis sentimen pada dataset large movie review v1.0 yang dipublikasikan oleh Universitas Stanford. Algoritma yang digunakan dalam penelitian ini adalah algoritma multinomial naïve Bayes yang telah diusulkan oleh beberapa peneliti untuk klasifikasi analisis sentimen ulasan film. Multinomial naive Bayes memiliki kelebihan mudah diimplementasikan dan bekerja baik pada data yang berdimensi tinggi karena probabilitas setiap fitur diperkirakan secara independen. Klasifikasi analisis sentimen memiliki kendala pada bagian fitur yang tidak relevan dengan proses klasifikasi. Seleksi fitur dapat digunakan untuk mengurangi jumlah fitur yang tidak relevan dan memilih fitur dengan korelasi kuat pada klasifikasi sentimen, seleksi fitur yang digunakan adalah seleksi fitur chi-square. Untuk meningkatkan nilai akurasi maka dilakukan boosting pada algoritma, algoritma boosting yang digunakan adalah adaptive boosting (adaboost). Pengujian dilakukan dengan menggunakan bahasa pemrograman Python. Hasil dari nilai akurasi diperoleh dengan memakai algoritma multinomial naïve Bayes sebesar 81,39%. Pada hasil nilai akurasi dari penerapan algoritma multinomial naïve Bayes dengan seleksi fitur chi-square diperoleh sebesar 85,37%. Hasil nilai akurasi yang diperoleh dari algoritma multinomial naïve Bayes dengan adaboost dan seleksi fitur chi-square diperoleh sebesar 87,74% dengan terjadi peningkatan akurasi sebesar 6,35%. Hasil ini membuktikan bahwa penerapan adaboost dan seleksi fitur chisquare berhasil meningkatkan nilai akurasi pada algoritma multinomial naïve Bayes untuk klasifikasi analisis sentimen ulasan film.

Actions (login required)

View Item