Wilis Kaswidjanti
Program Studi Teknik Informatika UPN "Veteran" Yogyakarta

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE UNTUK MENGANALISIS SENTIMEN PADA MEDIA SOSIAL SEBAGAI REKOMENDASI OLEH-OLEH FAVORIT Hidayatulah Himawan; Debby Gybson Putri; Wilis Kaswidjanti
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2018): Landscape Industri Internet Dampak Perilaku Marketing Indonesia
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Media sosial pada saat ini mengalami perkembangan yang semakin pesat. Pengguna media sosialpun setiap hari semakin meningkat. Media sosial sendiri dapat dijadikan sebagai sumber informasi. Salah satu informasi yang didapatkan dari media sosial adalah opini pengguna media sosial pada suatu hal. Opini-opini tersebut dapat bernilai positif, negatif atau netral. Salah satu opini yang dapat dimanfaatkan adalah opini mengenai oleh-oleh favorit khususnya yang berada di daerah Yogyakarta. Opini tentang oleh-oleh tersebut dapat dianalisis sehingga menghasilkan sebuah rekomendasi oleh-oleh favorit. Oleh karena itu, dibutuhkan analisis sentimen yang dapat menilai sentimen dari opini yang disampaikan pengguna media sosial tersebut. Analisis sentimen adalah ilmu yang mempelajari bagaimana proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi. Pada penelitian ini, proses analisis sentimen menggunakan algoritma Lexicon Based dan Support Vector Machine. Data yang digunakan adalah data sentimen media sosial Twitter dan Instagram yang diambil melalui layanan API media sosial tersebut. Data diambil sebanyak 1000 data sentimen untuk data latih. Sedangkan data uji untuk proses pengujian sebanyak 50 data sentimen. Dari hasil pengujian didapatkan hasil akurasi terbesar adalah menggunakan sebesar Lexicon Based 87.78%, kemudian hasil presisi terbesar adalah menggunakan Lexicon Based sebesar 94.23%, sedangkan untuk hasil recall terbesar adalah menggunakan Support Vector Machine sebesar 100%.