Analisa Sentiment Untuk Opini Alumni Perguruan Tinggi

komang dharmendra; Komang Oka Saputra; I Nyoman Pramaita

doi:10.24843/MITE.2019.v18i02.P11

komang dharmendra student
Komang Oka Saputra Universitas Udayana
I Nyoman Pramaita Universitas Udayana

##plugins.pubIds.doi.readerDisplayName## https://doi.org/10.24843/MITE.2019.v18i02.P11

Abstrak

Opini merupakan salah satu bagian terpenting dalam pengambilan keputusan, dalam pengolahan opini memerlukan proses analisa yang menyeluruh. Terutama opini yang berbasis teks, dimana opini berupa pendapat tidak memiliki batasan nilai pasti untuk masukan yang diberikan. Sentiment Analysis sebagai cabang ilmu dari Text mining bisa diterapkan dalam proses analisa opini yang berupa teks. Dimana opini akan diklasifikasikan menjadi 3 jenis opini, yaitu opini positif, opini netral dan opini negative. Penelitian ini melakukan pengelompokan opini dari alumni Perguruan Tinggi dengan menggunakan algoritma SVM dan NBC dimana dalam penelitian ini dibagi menjadi 3 komponen utama yaitu komponen input, sistem pengelompokan opini, serta komponen output. Opini yang akan diolah merupakan data berupa file opini format *.csv, yang selanjutnya melakukan proses pengelompokan terhadap opini. Kemudian sistem menghasilkan output berupa 3 jenis opini yaitu, opini positif, opini netral dan opini negative. Dari hasil pengujian secara umum menunjukkan akurasi dengan nilai akurasi tertinggi pada algoritma NBC mencapai 94,45%, sedangkan tingkat akurasi tertinggi pada algoritma SVM mencapai 75,76%.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Referensi

[1] F. Rahutomo, Z. Hanif Rachmat Adi, I. Fahrur Rozi, and P. Yoga Saputra, “Implementasi Text Mining Pada Website/Blog Di Internet Untuk Menilai Kinerja Suatu Organisasi,” INOVTEK Polbeng - Seri Inform., vol. 3, no. 2, p. 101, Nov. 2018.
[2] G. A. Buntoro, “Sentiments Analysis for Governor of East Java 2018 in Twitter,” SinkrOn, vol. 3, no. 2, p. 49, Dec. 2019.
[3] E. I. Setiawan, “Komparasi algoritma untuk analisa sentimen review produk pada twitter,” vol. 7, no. 1, pp. 7–14, 2015.
[4] N. D. Putranti and E. Winarko, “Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 8, no. 1, pp. 91–100, Jan. 2014.
[5] M. Lailiyah, “Sentiment Analysis Menggunakan Rule Based Method Pada Data Pengaduan Publik Berbasis Lexical Resources,” Aug. 2017.
[6] I. M. D. Ardiada, M. Sudarma, and D. Giriantari, “Text Mining pada Sosial Media untuk Mendeteksi Emosi Pengguna Menggunakan Metode Support Vector Machine dan K-Nearest Neighbour,” Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, p. 55, May 2019.
[7] P. S. M. Suryani, L. Linawati, and K. O. Saputra, “Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia,” Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, p. 145, May 2019.
[8] M. R. Huq, A. Ali, and A. Rahman, “Sentiment Analysis on Twitter Data using KNN and SVM,” IJACSA) Int. J. Adv. Comput. Sci. Appl., vol. 8, no. 6, pp. 19–25, 2017.
[9] H. Peng et al., “Tensor Fusion Network for Multimodal Sentiment Analysis,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 5, no. 2, pp. 147–156, 2017.
[10] N. L. Ratniasih, M. Sudarma, and N. Gunantara, “Penerapan Text Mining Dalam Spam Filtering Untuk Aplikasi Chat,” Maj. Ilm. Teknol. Elektro, vol. 16, no. 3, p. 13, Dec. 2017.
[11] N. G. Yudiarta, M. Sudarma, and W. G. Ariastina, “Penerapan Metode Clustering Text Mining Untuk Pengelompokan Berita Pada Unstructured Textual Data,” Maj. Ilm. Teknol. Elektro, vol. 17, no. 3, p. 339, Dec. 2018.
[12] A. A. Magriyanti, “Analisis Pengembangan Algoritma Porter Stemming Dalam Bahasa Indonesia,” Attrib. 4.0 Int., 2018.
[13] I. M. A. Agastya, “Pengaruh Stemmer Bahasa Indonesia Terhadap Peforma Analisis Sentimen Terjemahan Ulasan Film,” J. Tekno Kompak, vol. 12, no. 1, pp. 18–23, Feb. 2018.
[14] C. Lu, D. Wang, X. Liu, and K. Gan, “A mining and visualizing system for large-scale Chinese technical standards,” in Proceedings - IEEE 4th International Conference on Big Data Computing Service and Applications, BigDataService 2018, 2018, pp. 1–8.