PENERAPAN METODE SUPPORT VECTOR MACHINE DALAM KLASIFIKASI SENTIMEN TWEET PUBLIC FIGURE

Amelia Mustika, Muhammad Affandes

Abstract


Twitter adalah salah satu sosial media yang berperan sebagai tempat bagi penggunanya untuk menulis tentang berbagai topik dan membahas isu-isu yang tejadi pada saat ini. Begitu juga public figure yang menggunakan twitter untuk membentuk citra mereka. Kemudian rakyat yang juga pengguna twitter akan merespon dengan melakukan posting pendapat mereka terhadap public figureyang mereka kagumi atau yang tidak mereka suka. Hal ini dapat dimanfaatkan sebagai sumber data untuk melihat sentimen atau opini masyarakat terhadap public figure dengan melakukan klasifikasi sentimen pada twitter. Dalam penelitian ini akan dilakukan klasifikasi sentimen tweet Bahasa Indonesia ke dalam kelas sentimen positif dan negatif dengan menggunakan kernel RBF danpolynomial pada metode support vector machine (SVM). Proses SVM dilakukan dengan menggunakan fungsi LibSVM pada Weka. Model pembelajaran SVM diperoleh dari data latih sebanyak 800 tweet dan selanjutnya digunakan untuk mengklasifikasi 200 data uji. Pengujian akurasi metode dalam klasifikasi sentimen tweet ini dilakukan dengan model confusion matrix pada data uji dan evaluasi data latih menggunakan 10-fold cross validation untuk mendapatkan model terbaik dengan mencari nilai pasangan C dan . Untuk fitur bigram diperoleh akurasi terbaik dengan nilai C=2 dan =0,8 sedangkan untuk fitur unigram nilai C=1 dan =0,01. Dari pengujian yang telah diakukan diketahuibahwa kernel RBF memiliki tingkat akurasi klasifikasi yang lebih baik dibandingkan kernel polynomial dengan akurasi tertinggi sebesar 72,5% pada fitur unigram dan 71,5% untuk fitur bigram, hal ini berarti klasifikasi fitur unigram menggunakan kernel RBF pada SVM memberikan tingkatakurasi yang terbaik.

Full Text:

PDF

References


Sunni, Ismail dan Dwi Hendratmo Widyantoro. Analisis Sentimen dan Ekstraksi Topik Penentu Sentimen pada Opini Terhadap Tokoh Publik. Jurnal Sarjana Institut Teknologi Bandung Bidang

Teknik Elektro dan Informatika. 2012;1(2).

Putrianti, Noviah Dwi dan Edi Winarko. Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine. Indonesian Journal of Computing and Cybernetic Systems, Vol.8, No.1,pp. 91-100.

Saraswati, Ni Wayan Sumartini. Text Mining dengan Metode Naïve Bayes Classifier Dan Support Vector Machines untuk Sentiment Analysis. Tesis. Denpasar: Universitas Udayana; 2011.

Nur, Muhammad Yusuf dan Diaz D. Santika. Analisis Sentimen Pada Dokumen Berbahasa Indonesia Dengan Pendekatan Support Vector Machine. Konferensi Nasional Sistem dan Informatika 2011. Jakarta. 2011.

Widyanto, M. Rahmat dan Rini Wijayanti. Membership Function Modification in Fuzzy SVM using Combination of Distance Feature, Correlation, and Depth of Data. International Journal of Engineering & Computer Science. Universitas Indonesia, Depok. 2013; 13(5).




DOI: https://doi.org/10.22219/sentra.v0i1.2078

Refbacks

  • There are currently no refbacks.


Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang, 65144