DIGITAL LIBRARY
JUDUL | : | Perbandingan Ekstraksi Fitur TF-IDF dan FastText pada Analisis Sentimen di Twitter terhadap PPKM menggunakan Metode Klasifikasi Naive Bayes | |
PENGARANG | : | IRVAN DWI HALMANTO | |
PENERBIT | : | UNIVERSITAS LAMBUNG MANGKURAT | |
TANGGAL | : | 2023-07-31 |
Kebijakan Pemberlakukan Pembatasan Kegiatan Masyarakat (PPKM) sempat menjadi banyak perbincangan dan menimbulkan banyak pro kontra bagi masyarakat, oleh karena itu dapat dilakukan analisis sentimen yang memberikan suatu penilaian atau opini pribadi. Analisis sentimen merupakan proses mengekstrak pengetahuan atau informasi pada suatu kalimat sentimen atau opini. Pada penelitian ini melakukan perbandingan ekstraksi fitur TF-IDF dan FastText dengan metode klasifikasi Naïve Bayes. Berdasarkan hasil penelitian yang dilakukan FastText menghasilkan kinerja akurasi yang lebih baik dibandingkan TF-IDF, dimana akurasi terbaik dihasillkan oleh FastText tanpa stopwords yaitu sebesar 80,70%. Penelitian ini juga menjelaskan, pengaruh stopwords pada FastText yang dinilai kurang efektif karena dapat mengurangi informasi dari suatu kalimat.
Kata kunci: Naïve Bayes, Analisis Sentimen, Ekstraksi Fitur, TF-IDF, FastText.
NO | DOWNLOAD LINK |
1 | FILE 1 |
File secara keseluruhan dapat di unduh DISINI