Jurnal Responsif : Riset Sains dan Informatika
Vol 3 No 1 (2021): Jurnal Responsif : Riset Sains dan Informatika

SENTIMEN ANALISIS COVID-19 DENGAN METODE PROBABILISTIC NEURAL NETWORK DAN TF-IDF

Ina Najiyah (Universitas Adhirajasa Reswara Sanjaya)
Ifani Hariyanti (Universitas Adhirajasa Reswara Sanjaya)



Article Info

Publish Date
28 Feb 2021

Abstract

Penelitian ini bertujuan melakukan sentiment analysis tentang corona virus pada kegiatan sehari hari yang diunggah di facebook, Twitter dan Instagram dengan output yaitu 3 class:positif, negative dan netral. Metode yang dipilih adalah metode klasifikasi Probabilistic Neural Network. Sebelum melakukan klasifikasi, praprocessing pada penelitian ini meliputi tokenizasi, normalisasi, menghilangkan emoticon, Convert Negasi, Stopword Removal sertaTF-IDF. dataset yang digunakan berjumlah 1177 dataset dengan pembagiannya yaitu 560 dataset positif, 355 dataset negative dan 262 dataset netral. Program dirancang menggunakan Bahasa pemrograman python dengan beberapa library seperti keras, tensorflow dan pandas. User interface dibuat berbasis android. Akurasi yang didapatkan pada pelatihan menggunakan Probabilistic Neural Network sebesar 89%. Hasil pengujian adalah penelitian ini mampu melakukan sentiment analysis dengan kesalahan sebesar 11% dilihat dari confusion matrix.

Copyrights © 2021






Journal Info

Abbrev

jti

Publisher

Subject

Computer Science & IT

Description

Jurnal Responsif: Riset Sains dan Informatika merupakan Jurnal yang bertujuan untuk mewadahi semua informasi hasil penelitian, telaah pustaka, makalah teknis, dan kajian buku, dari berbagai cabang Ilmu Komputer, Teknik Informatika dan Sistem Informasi. Diharapkan dengan adanya wadah penerbitan ini ...