Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika
Igd Raditya WibhawaMn
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
MULTI-ASPECT SENTIMENT ANALYSIS TERHADAP NVIDIA RTX DENGAN SUPPORT VECTOR MACHINE DAN WORD EMBEDDINGS Igd Raditya WibhawaMn
Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika Vol 2, No 1 (2022): Desember 2022
Publisher : Perpustakaan Universitas Telkom

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

Abstract

Beberapa bulan belakangan ini, tren meningkatnya pembelian GPU terutama seri RTX kian meningkat, banyak orang berlomba lomba untuk membuat PC untuk meningkatkan kinerja dengan kondisi WFH(Work From Home) selama terjadinya pandemi. Peningkatan terhadap penggunaan GPU seri RTX ini tentunya mengundang pendapat dari berbagai macam kalangan. Hal ini menciptakan pro dan kontra di kalangan PC enthusiast, terutama di beberapa platform Media Sosial. Dari munculnya pro dan kontra ini, dapat dilakukan ekstraksi emosi terhadap komentar yang mengandung pro dan kontra tersebut. Metode ini disebut juga dengan Analisis Sentimen, tahapan yang perlu dilakukan untuk melakukan Analisis Sentimen ini yang pertama adalah preprocessing yang terdiri dari Noise Removal, Tokenizing, Stopword Removal. Kemudian dilanjukan dengan proses yang kedua, yaitu Ekstraksi Fitur dengan Word Embeddings dan Support Vector Machine. Berdasarkan Analisis Performansi pada model yang telah dibuat, menunjukkan bahwa pada penelitian ini SVM kernel Linear menunjukkan hasil yang terbaik pada seluruh dataset, sedangkan kernel rbf pada penelitian ini menunjukkan hasil yang kurang memuaskan sekalipun telah melakukan perubahan parameter pada Gamma dan C. Penelitian ini dibuat bertujuan untuk menganalisa performansi model dalam mengklasifikasikan sentimen sebuah teks dengan model SVM.  Kata kunci: support vector machine, preprocessing, word embeddings
Co-Authors