Haniefardy, Addien (2016) Implementasi Klasifikasi Opini Review Film Menggunakan Support Vector Machine Dengan Particle Swarm Optimization. Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.
Preview |
Text
5112100127-Undergraduate_Thesis.pdf - Published Version Download (1MB) | Preview |
Abstract
Pertumbuhan pesat jumlah pengguna internet dan jaringan
sosial telah membuka jalan untuk mengakses dan menganalisis
opini para penggunanya. Analisis maksud opini apakah termasuk
positif atau negatif merupakan hal yang mudah bagi manusia.
Namun, analisis semua opini secara manual menjadi hal yang
mustahil karena jumlah opini yang meningkat secara besarbesaran.
Oleh karena itu, penggalian opini diperlukan untuk
menganalisis opini secara otomatis dan dapat mengambil
informasi yang berguna.
Pada tugas akhir ini, sistem yang diimplementasikan berupa
sistem yang mampu melakukan klasifikasi opini review film. Sistem
menganalisis apakah opini termasuk opini posistif atau negatif.
Tahap pertama adalah ekstraksi fitur dengan pemrosesan teks.
Tahap ini memroses dokumen menjadi fitur, dimulai dari case
folding, tokenization, stopwords removal, dan pembobotan TFIDF.
Tahap kedua adalah klasifikasi menggunakan metode SVM.
Namun, untuk meminimalkan jumlah fitur yang sangat banyak
dilakukan penambahan proses seleksi fitur dengan metode PSO.
Tahap ketiga adalah evaluasi. Kinerja sistem dievaluasi dengan
menggunakan metode confusion matrix.
Uji coba pada tugas akhir ini menggunakan data opini review
film berjumlah 2000 dokumen. Untuk metode validasi, sistem
menggunakan metode k-fold cross validation. Hasil uji coba
menyimpulkan bahwa sistem dapat melakukan klasifikasi opini
review film cukup baik. Nilai akurasi klasifikasi SVM dengan nilai k pada cross validation sama dengan 5 sebesar 50.40% meningkat
menjadi 60.85% setelah ditambahkan seleksi fitur menggunakan
metode PSO. Penggunaan sentimen untuk pemilihan fitur juga
sangat berpengaruh
==========================================================================================
The rapid growth of Internet users and social networking has
opened the way to access and analyze the opinions of its users.
Analysis of whether the opinion is positif or negatif is an easy thing
for humans. However, the analysis of all manually opinion
becomes impossible because of the number of opinions increased
massively. Therefore, opinion mining is required for automatically
analyze the opinion and can retrieve useful information
In this thesis, the system is implemented in the form of a system
that is able to classify the opinions of movie reviews. System
analyzes whether the opinion includes positive or negative
opinion. The first stage is the extraction of features with text
processing. This phase process the document into a feature,
starting from folding case, tokenization, stopwords removal and
TF-IDF weighting. The second stage is classification using SVM
method. However, to minimize the number of features that are very
much, the addition of feature selection using PSO method is
needed. The third stage is evaluation. Performance of system was
evaluated using the confusion matrix.
The trial in this thesis using a 2000 opinion movie review
documents. For validation of methods, systems using the k-fold
cross validation. The trial results concluded that the system can
classify opinion of review films quite well. SVM classification
accuracy value with k for cross validation equal to 5 at 50.40%
increase to 60.85% after being added feature selection using the method of PSO. Use of sentiment for feature selection is also very
influential.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSIf 006.42 Han i |
| Uncontrolled Keywords: | opini review film, analisis sentimen, klasifikasi teks, support vector machine, particle swarm optimization |
| Subjects: | Q Science > QA Mathematics > QA76.76.A63 Application program interfaces |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | EKO BUDI RAHARJO |
| Date Deposited: | 04 Jun 2020 04:35 |
| Last Modified: | 04 Jun 2020 04:36 |
| URI: | http://repository.its.ac.id/id/eprint/76092 |
Actions (login required)
 |
View Item |