Loading...
Please wait, while we are loading the content...
Similar Documents
Perbandingan Pengklasifikasi k-Nearest Neighbor dan Neighbor-Weighted k-Nearest Neighbor Pada Sistem Analisis Sentimen dengan Data Microblog
| Content Provider | Semantic Scholar |
|---|---|
| Author | Martha, Miechelly Christanti, Valentina Naga, Dali S. Rompas, Parabelem Tinno Dolf |
| Copyright Year | 2018 |
| Abstract | Sistem analisis sentimen merupakan suatu sistem yang dibangun untuk menganalisis sentimen dalam bahasa Indonesia pada data yang diambil dari microblog, yaitu Twitter, Facebook, dan YouTube. Data tersebut diklasifikasikan menggunakan K-Nearest Neighbor (KNN) dan Neighbor-Weighted K-Nearest Neighbor (NW-KNN). Sistem analisis sentimen dibagi menjadi 4 (empat) tahap, yaitu tahap microblog crawling, tahap pra-pemrosesan data, tahap ekstraksi fitur, dan tahap klasifikasi sentimen. Data yang ada akan diklasifikasikan ke dalam 5 (lima) kelas, yaitu sangat positif, positif, netral, negatif, dan sangat negatif. Data tersebut kemudian akan dievaluasi menggunakan confusion matrix. Pengujian dilakukan dengan 50 data uji. NW-KNN memiliki akurasi yang paling tinggi di antara seluruh pengklasifikasi, yaitu 86% pada saat K = 9. Sedangkan untuk KNN, akurasi dari pengklasifikasi tersebut sebesar 82% pada saat K = 3. Kesimpulannya adalah NW-KNN berhasil mengatasi data latih dengan komposisi kelas yang tidak seimbang. Kata kunci: KNN, NW-KNN, Analisis Sentimen, Data Microblog |
| File Format | PDF HTM / HTML |
| DOI | 10.36412/frontiers/001035e1/april201801.08 |
| Volume Number | 1 |
| Alternate Webpage(s) | https://ejournal.unima.ac.id/index.php/efrontiers/article/download/219/188 |
| Alternate Webpage(s) | https://doi.org/10.36412/frontiers%2F001035e1%2Fapril201801.08 |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |