Analisis Perbandingan Opinion Mining Berbahasa Indonesia Menggunakan Support Vector Machine dengan Kernel Linear dan Radial Basic Function

Dea Puspa Ramadhan

Informasi Umum

Kode

113090203

Klasifikasi

519.72 - Linear Programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Linear Models

Dilihat

348 kali

Informasi Lainnya

Abstraksi

Dengan semakin berkembangnya teknologi internet, maka informasi yang didapatkan semakin beragam. Beberapa informasi tekstual yang terdapat di dalam media online seperti blog dapat berupa suatu opini. Opini tersebut dapat diklasifikasikan menjadi 2 kategori, yakni opini positif dan negatif. Keberadaan opini tersebut sangat penting bagi suatu perusahaan sebagai tolak ukur keberhasilan suatu pasar produk. Analisis dalam opini penting dilakukan karena bermanfaat terhadap identifikasi produk atau kecenderungan pasar bagi perusahaan, sehingga dapat diambil langkah-langkah strategis berikutnya. Proses pengklasifikasian opini tersebut dapat dilakukan dengan salah satu metode machine learning yaitu metode Support Vector Machine. SVM memiliki performansi yang lebih baik dibandingkan dengan metode machine learning lainnya. Dalam hal ini, akan dibandingkan performansi metode SVM menggunakan kernel Linear dan Kernel Radial Basis Function (RBF) atau disebut Gaussian kernel. Dalam representasi data masukan untuk machine learning kedua kernel ini menggunakan kamus leksikal yang disebut sentiwordnet bahasa Indonesia. Dan Hasil pengujian menunjukkan bahwa dengan karakteristik data yang lebih panjang lebih mampu dipetakan dalam ruang dimensi yang lebih tinggi, sehingga akurasi lebih baik dengan SVM kernel RBF, sedangkan data dengan kalimat yang lebih pendek memiliki akurasi lebih baik dengan SVM kernel Linear dengan parameter tertentu. Support Vector Machine, Linear, Radial Basis Function