Ikhsan, Muhammad (2020) SUPPORT VECTOR MACHINE (SVM) DAN NAIVE BAYES GUNA MEMBANDINGKAN ANALISIS SENTIMEN HASIL PENERJEMAHAN BAHASA MENGUNAKAN PUSTAKA TEXTBLOB DAN VADER PADA BAHASA PEMROGRAMAN PYTHON. Undergraduate thesis, Universitas Diponegoro.

	Text JUDUL.pdf Download (1MB)
	Text BAB I.pdf Restricted to Repository staff only Download (90kB)
	Text BAB II.pdf Restricted to Repository staff only Download (277kB)
	Text BAB III.pdf Restricted to Repository staff only Download (301kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (447kB)
	Text BAB V.pdf Restricted to Repository staff only Download (76kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (75kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (61kB)

Abstract

Kebutuhan analisis pada sebuah pendapat menjadi salah satu kegiatan penting yang dapat
dilakukan untuk melakukan evaluasi terhadap sebuah kebijakan atau produk yang dikeluarkan.
Kegiatan ini mengumpulkan pendapat beberapa orang untuk diklasifikasikan ke dalam kelas-kelas
evaluasi yang diinginkan. Masalahnya untuk melakukan pengklasifikasian dibutuhkan beberapa
data latih yang digunakan untuk melatih model mengenali bentuk kata atau kalimat yang ada pada
masing-masing kelas.
Textblob dan Vader merupakan dua pustaka dalam bahasa pemrograman Python yang
mampu mengklasifikasikan kata atau kalimat ke dalam beberapa kelas. Kedua pustaka ini mampu
mengklasifikasi kata ke dalam tiga kelas berbeda yaitu kelas positif, negatif dan netral. Untuk
melakukan perhitungan dan perbandingan hasil klasifikasi dari pustaka texblob dan vader
menggunakan dua algoritma yaitu Support Vector Machine (SVM) dan Naive Bayes. Setiap
algoritma menggunakan dua pendekatan berbeda sehingga total ada empat percobaan yang
dilakukan dalam penelitian ini.
Dari empat kali percobaan yang dilakukan dalam penelitian ini, pustaka vader selalu
mendapatkan nilai yang lebih baik dari pustaka textblob dalam semua aspek perhitungan.
Perbandingan nilai tertinggi dari pustaka textblob dan vader adalah sebesar 0.618 dan 0.656 untuk
perhitungan akurasi. Pada perhitungan presisi dan recall nilai tertinggi yang dihasilkan textblob dan
vader sebesar 0.601 dan 0.648 pada perhitungan presisi dan sebesar 0.597 dan 0.617 pada
perhitungan recall.

Actions (login required)

View Item