Komparasi Teknik Klasifikasi Teks Mining Pada Analisis Sentimen
Abstract
Keywords : Text Mining, Sentiment Analysis, SVM, Naïve Bayessian, K-NN, compare, comparation
Abstrak - Opininion mining juga disebut analisis sentimen adalah riset komputasional dari opini, sentimen dan emosi yang diekspresikan secara tekstual dilakukan untuk melihat pendapat terhadap sebuah masalah, atau untuk identifikasi kecenderungan hal di pasar. Saat ini pendapat masyarakat menjadi sumber yang penting dalam pengambilan keputusan akan suatu produk. Algoritma klasifikasi yang dapat melakukan teks mining diantaranya Support Vector Machine (SVM), Naïve Bayessian classification (NBC) dan K-Nearest Neighbor (K-NN). Ketiga algoritma ini akan dikomparasi untuk mengetahui performa yang baik dalam hal akurasi untuk dua dataset yang berbeda yaitu imdb review film dan sentimen twitter. Hasil dari komparasi menunjukkan SVM memperoleh hasil yang baik dalam akurasi pada data imdb review film 78,55% dan pada dataset twitter 72%. Sama halnya dengan NBC yang memperoleh akurasi pada data twitter 78.55% tetapi berbeda pada data twitter 67,33%. Hasil F-Measure review film menunjukan SVM dan NBC memperoleh hasil yang sama yaitu 0,785 dan untuk hasil AUC, NBC mengungguli hasil 0,869, SVM memperoleh hasil 0,786 sedangkan KNN memperoleh hasil 0,572. F-Measure untuk twitter SVM lebih unggul memperoleh hasil 0,720 dan NBC memperoleh hasil 0,673 sedangkan K-NN 0,545. Dan untuk hasil AUC, sama seperti dataset imdb, pada dataset twitter ini NBC juga mengungguli SVM dan K-NN. AUC untuk NBC memperoleh hasil 0,735, SVM memperoleh hasil 0,658 dan K-NN memperoleh hasil 0,618.
Kata kunci: teks mining, sentimen analisis, SVM, Naïve Bayessian, K-NN, komparasi
Full Text:
UntitledReferences
Ling, J., Kencana, I.P.K., Oka, B.O., Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Dengan Seleksi Fitur Chi Square, E-Jurnal Matematika, ISSN: 2303-1751, Vol. 3 (3), Agustus 2014, pp. 92-99 ISSN: 2303-1751
Patil, G., Galande, V., Kekan, V., Dange, K., 2014, Sentiment Analysis Using Support Vector Machine, International Journal of Innovative Research in Computer and Communication Engineering, ISSN(Online): 2320-9801,ISSN (Print): 2320-9798, Vol. 2, Issue 1, January 2014
Bijalwan, V., Kumar, V., Kumari,P.,Pascual, J., KNN based Machine Learning Approach for Text and Document Mining, International Journal of Database Theory and Application Vol.7, No.1 (2014), pp.61-70, 2014
Aulianita, R., Komparasi Metode K-Nearest Neighbors dan Support Vector Machine Pada Sentiment Analysis Review Kamera, Journal Speed Sentra Penelitian Engineering dan Edukasi Volume 8 No 3, 2016
Chandani, V., Wahono, R.S., Purwanto, Komparasi Algoritma Klasifikasi Machine Learning Dan Feature Selection pada Analisis Sentimen Review Film, Journal of Intelligent Systems,ISSN 2356-3982, Vol. 1, No. 1, February 2015
Dan, L., Lihua, L., Zhaoxin, Z., Research Of Text Categorization On WEKA, 2013 Third International Conference on Intelligent System Design and Engineering Applications, 2013
Falahah, Nur, D.D.A., Pengembangan Aplikasi Sentiment Analysis Menggunakan Metode Naïve Bayes (Studi Kasus Sentiment Analysis dari media Twitter), Seminar Nasional Sistem Informasi Indonesia, 2-3 November 2015
Hamzah, A., Klasifikasi Teks Dengan Naïve Bayes Classifier (NBC) Untuk Pengelompokan Teks Berita Dan Abstract Akademis, Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST), ISSN:1979-911X, Nopember 2012
Lidya, S.K., Sitompul, O.S., Efendi, S., Sentiment Analysis Pada Teks Bahasa Indonesia Menggunakan Support Vector Machine (SVM) Dan K-Nearest Neighbor (K-NN), Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015) ISSN: 2089-9815, 28 Maret 2015
Muthia, D.A., Opinion Mining Pada Review Buku Menggunakan Algoritma Naïve Bayes, Jurnal Teknik Komputer Amik Bsi Vol.II No.1 Februari 2016
Rozi, I.F., Pramono, S.H., Dahlan, E.A., Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi, Jurnal EECCIS Vol. 6, No. 1, Juni 2012
Saputra, N., Adji, T.B., Permanasari, A.E., Analisis Sentimen Data Presiden Jokowi Dengan Preprocessing Normalisasi Dan Stemming Menggunakan Metode Naive Bayes Dan Svm, Jurnal Dinamika Informatika, Volume 5, Nomor 1, November 2015
Saraswati, N.W.S., Naïve Bayes Classifier Dan Support Vector Machines Untuk Sentiment Analysis, Seminar Nasional Sistem Informasi Indonesia, 2 - 4 Desember 2013
Trstenjak, B., Mikac,S., Donko, D., KNN with TF-IDF Based Framework for Text Categorization, 24th DAAAM International Symposium on Intelligent Manufacturing and Automation, 2013
Utami, L.D., Wahono, R.S., Integrasi Metode Information Gain Untuk Seleksi Fitur dan Adaboost Untuk Mengurangi Bias Pada Analisis Sentimen Review Restoran Menggunakan Algoritma Naïve Bayes, Journal of Intelligent Systems,ISSN 2356-3982, Vol. 1, No. 2, December 2015
Purwanti, E., Klasifikafi Dokumen Temu Kembali Informasi dengan K-Nearest Neghbour, e-ISSN 2442-5168 Volume 1, Nomor 2, Juli-Desember 2015
Waila, P., Marisha, Singh, V.K., Singh, M.K., Evaluating Machine Learning and Unsupervised Semantic Orientation Approaches for Sentiment Analysis of Textual Reviews, IEEE International Conference on Computational Intelligence and Computing Research, 2012
Wahyuni, E.S., Penerapan Metode Seleksi Fitur Untuk Meningkatkan Hasil Diagnosis Kanker Payudara, ISSN: 2252-4983, Jurnal SIMETRIS, Vol 7 No 1 April 2016
Younis, E.M.G., Sentment Analysis and Text Mining For Social Media Microblog using Open Source Tools: An Empirical Study, International Journal of Computer Application (0975-8887), Volume 112 – No. 5, February 2015
Chiwara, M., Al-Ayyoub, M., Sajjad, M., Gupta, H.R., Wasilewska, A., 24 mei 2016, Text Mining, http://www3.cs.stonybrook.edu/~cse634/presentations/ TextMining.pdf
Go, A., Bhayani,R., Huang, L., Agustus 2016, Twitter Sentiment Classification using Distant Supervision, http://cs.stanford.edu/people/alecmgo/papers/ TwitterDistant Supervision09.pdf
Liu, Bing, 31 Mei 2016, Sentiment Analysis And Opinion Mining. Chicago: Morgan & Claypool Publisher, http://www.dcc.ufrj.br/~valeriab/ DTMSentiment-AnalysisAndOpinionMining-BingLiu.pdf.
Mouthami,K., Devi, K.N., Bhaskaran, M., Agustus 2016, Sentiment Analysis and Classification BasedOn Textual Reviews, http://ieeexplore.ieee.org /
Pang, B., & Lee, L., September 2016, A Sentimental Education : Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts. Association for Computational Linguistics, http://dl.acm.org/citation.cfm?id=1218990
Waila, P., Marisha, Singh, M.K., and Singh, M.K., Agustus 2016, Evaluating Machine Learning and Unsupervised Semantic Orientation Approaches for Sentiment Analysis of Textual Reviews, http:// ieeexplore.ieee.org/
http://help.sentiment140.com/for-students/ diunduh bulan September 2016
DOI: http://dx.doi.org/10.55181/ijns.v6i1.1444
Refbacks
- There are currently no refbacks.
IJNS - Indonesian Journal on Networking and Security - ISSN: 2302-5700 (Print) 2354-6654 (Online)
Global Impact Factor 2012 : 0.345, 2013 : 0.412 - Universal Impact Factor 2014 : 0.12769 - SJIF – Scientific Journal Impact Factor 2012 : 4.074 - Google Scholar h5 Index: 20, h5 Median: 29