Text

ANALISIS SENTIMEN PADA POSTING OFFICIAL AKUN TWITTER TELKOM SPEEDY MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER

---

ABSTRAK
Twitter sekarang ini menjadi media komunikasi yang sangat populer di Internet, di dalamnya banyak komentar positif dan negatif, salah satu cara untuk mengidentifikasi komentar tersebut adalah dengan Analisis sentimen. Saat ini banyak berita yang diambil dari media sosial, terutama Twitter, karena dari komentar publik, kita dapat menentukan tingkat sentimen masyarakat terhadapat suatu permasalahan. Parameter sentimen yang lebih banyak, akan menghasilkan informasi yang lebih detail, akurat dan terpercaya. Dalam tugas akhir ini dihasilkan 2 parameters analisis sentimen, yaitu, positif, negatif, Penelitian ini mampu meningkatkan parameters Sentiment Analysis menjadi 7 parameters dengan akurasi 23,43%..
Sentiment analysis atau opinion mining merupakan topik riset yang penting dan sedang marak dilakukan saat ini. Opinion mining merupakan cabang penelitian dari text mining. Fokus dari opinion mining adalah melakukan analisis opini dari suatu dokumen teks. Terdapat tiga buah subproses dari opinion mining yaitu, document subjectivity, opinion orientation dan target detection.
Dalam dunia bisnis, opinion mining banyak digunakan untuk menganalisis secara otomatis opini pelanggan tentang produk dan pelayanannya. Pada penelitian ini dikembangkan sistem opinion mining untuk menganalisis opini publik pada pelanggan internet telkom. Pada subproses document subjectivity dan target detection digunakan Part-of-Speech (POS) Tagging menggunakan Hidden Makov Model (HMM).
Pada hasil proses POS Tagging kemudian diterapkan rule untuk mengetahui apakah suatu dokumen termasuk opini atau bukan, serta untuk mengetahui bagian kalimat mana yang merupakan objek yang menjadi target opini. Dokumen yang dikenali sebagai opini selanjutnya diklasifikasikan ke dalam opini negatif dan positif (subproses opinion orientation) menggunakan Naïve Bayes Classifier (NBC). Dari pengujian didapatkan nilai precission dan recall untuk subproses document subjectivity adalah 0.99 dan 0.88, untuk subproses target detection adalah 0.92 dan 0.93, serta untuk subproses opinion orientation adalah 0.95 dan 0.94.
Kata Kunci : Sentiment Analysis, Naïve Bayes

---

Ketersediaan

Informasi Detail

Judul Seri

TUGAS AKHIR

No. Panggil

TA/S1/TI/30/2015

Penerbit

Bandung : STMIK-IM., 2015

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

2015

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

STMIK-IM

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar