DIGITAL LIBRARY



JUDUL:PERBANDINGAN EKSTRAKSI FITUR FASTTEXT DAN TF-IDF-ICF PADA ANALISIS SENTIMEN DI TWITTER TERHADAP ISU PENUNDAAN PEMILU 2024 MENGGUNAKAN METODE RANDOM FOREST
PENGARANG:MUHAMMAD RIFQI
PENERBIT:UNIVERSITAS LAMBUNG MANGKURAT
TANGGAL:2024-07-08


Isu penundaan pemilu pada tahun 2024 sempat menjadi banyak perbincangan dan menimbulkan banyak perdebatan bagi masyarakat, oleh karena itu dapat dilakukan analisis sentimen yang memberikan suatu penilaian atau opini pribadi. Analisis sentimen merupakan proses mengekstrak untuk mendapatkan pengetahuan atau suatu informasi pada suatu kalimat sentimen atau sebuah opini. Pada penelitian ini melakukan perbandingan antara metode ekstraksi fitur FastText dan TF-IDF-ICF dengan metode klasifikasi Random Forest. Berdasarkan hasil penelitian yang dilakukan TF-IDF-ICF mendapatkan hasil kinerja akurasi yang lebih baik dibandikan dengan FastText, dimana akurasi terbaik didapatkan dengan TF-IDF-ICF yang dilakukan proses stemming dan stopwords yaitu sebesar 79,60%. Sedangkan untuk FastText yang dilakukan proses stemming dan stopwords mendapatkan akurasi 73,33%.

 

Kata kunci: Pemilu, Analisis Sentimen, Ekstraksi Fitur, Random Forest, FastText,TF-IDF-ICF.

Berkas PDF
NODOWNLOAD LINK
1FILE 1



File secara keseluruhan dapat di unduh DISINI