Sentiment Analysis Menggunakan Rule Based Method Pada Data Pengaduan Publik Berbasis Lexical Resources

Lailiyah, Masfulatul (2017) Sentiment Analysis Menggunakan Rule Based Method Pada Data Pengaduan Publik Berbasis Lexical Resources. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 2215206714-Master-Theses.pdf]
Preview
Text
2215206714-Master-Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Public complaints merupakan salah satu bentuk partisipasi masyarakat dalam mengawasi jalannya pembangunan dan pelaksanaan pelayanan publik. Sesuai undang-undang pelayanan publik no 25 tahun 2009, instansi pemerintah penyedia layanan publik wajib menyediakan wadah untuk menampung aspirasi masyarakat baik melalui media sosial maupun website resmi pemerintah. Informasi yang diperoleh dari pengaduan masyarakat baik topik maupun sentiment dari pengaduan bisa digunakan oleh pemerintah untuk meningkatkan kepuasan masyarakat.
Penelitian mengenai sentiment analysis sudah banyak dilakukan, baik menggunakan pendekatan statistik, semantik maupun keduanya. Pendekatan statistik sudah banyak sekali digunakan untuk menganalisa sentiment dari teks, sedangkan pendekatan semantik sedang menjadi hot topic saat ini. Pada pendekatan semantik, lexical resources merupakan komponen penting dalam menentukan sentiment dari sebuah teks. Salah satu contohnya Sentiwordnet dan Indonesian sentiment lexicon. Saat ini lexical resources dalam bahasa Indonesia mulai berkembang, akan tetapi lexical resource yang ada belum memiliki polarity score (bobot) yang nantinya bisa digunakan untuk menganalisa tingkat emosi yang terdapat pada teks seperti Sentiwordnet. Sentiwordnet banyak digunakan dalam opinion mining maupun sentiment analysis teks dalam bahasa inggris. Pada penelitian ini, kami mencoba memanfaatkan Sentiwordnet untuk menganalisa sentiment dari pengaduan masyarakat berbahasa Indonesia serta membandingkannya dengan sentimen leksikon Indonesia. Diperoleh nilai akurasi sebesar 47% untuk data pengaduan pada media twitter dan 56.85% untuk data pengaduan pada media center ketika menggunakan Sentiwordnet. Sedangkan pada penggunaan sentimen leksikon Indonesia diperoleh nilai akurasi sebesar 65.4% untuk data pengaduan pada media twitter dan 81.4% untuk data pengaduan pada media center.

=================================================================

Public complaints were one of the kinds of public participation and
awareness to public service implementation. Information from public complaints
can be used by the government
to improve public satisfaction. In addition, the
government can obtain public sentiment from public complaints either on media
social or the official government site. Many researches on sentiment analysis has
been done, either used statistical method appro
ach, semantic method approach or
both. Statistical method approach were widely used. While semantic method
approach being hot topic recently. On semantic method approach, lexical resource
was an important component to classify sentiment on text. Namely Sen
tiwordnet
and Indonesian sentiment lexicon. Currently, Indonesian sentiment lexicon for
sentiment analysis has grown. But the lexicon doesn’t have polarity score that can
be measure emotion on text like Sentiwordnet. Sentiwordnet has been widely used
on re
searches in English. In this research we apply Sentiwordnet to classify
sentiment on Indonesian public complaints with accuracy
47% either on media
Twitter
and 56.85% on the official government website’s data
.
Furthermore, we
compare it with Indonesian sen
timent lexicon and get the accuracy 65.4% on media
Twitter and 81.4% on the official government website.

Item Type: Thesis (Masters)
Additional Information: RTE 006.312 Lai s
Uncontrolled Keywords: sentiment analysis, pengaduan masyarakat, lexical resources, sentiwordnet, indonesian sentiment lexicon, sentiment analysis, public complaints, lexical resources, sentiwordnet, indonesian sentiment lexicon
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
Divisions: Faculty of Industrial Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Masfulatul Lailiyah .
Date Deposited: 31 Oct 2017 07:11
Last Modified: 05 Mar 2019 03:43
URI: http://repository.its.ac.id/id/eprint/42409

Actions (login required)

View Item View Item