PENERAPAN ANALISIS SENTIMEN PENGGUNA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE BERBASIS CLOUD COMPUTING
INTISARIrnTwitter adalah jejaring sosial dengan pertumbuhan tercepatrnsejak tahun 2006 Menurut MIT Technology Review (2013),rnIndonesia menempati Negara ketiga penyumbang tweetrnterbanyak dengan jumlah 1 milyar tweet. Fakta tersebutrnmenjadikan Twitter menjadi salah satu sumber data text yangrndapat...
Saved in:
| Main Authors: | , |
|---|---|
| Language: | Indonesian |
| Published: |
STMIK AKAKOM
2016
|
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | INTISARIrnTwitter adalah jejaring sosial dengan pertumbuhan tercepatrnsejak tahun 2006 Menurut MIT Technology Review (2013),rnIndonesia menempati Negara ketiga penyumbang tweetrnterbanyak dengan jumlah 1 milyar tweet. Fakta tersebutrnmenjadikan Twitter menjadi salah satu sumber data text yangrndapat digali dan dimanfaatkan untuk berbagai keperluan melaluirnmetode-metode pengambilan data teks atau text mining, salahrnsatunya adalah analisis sentimen pengguna terhadap tokoh-tokohrnpublik indonesia.rnTugas akhir ini bertujuan untuk membuat sebuah perangkatrnlunak yang dapat melakukan analisis sentimen pengguna twitterrnterhadap tokoh publik secara real time dengan menggunakanrnTwitter Streming API dan metode Support Vectore Machine (SVM)rnmemanfaatkan pustaka libSVM sebagai salah satu machinernlearning untuk text classification. Algoritma Porter digunakanrndalam proses stemming untuk ekstraksi fitur dan metode TermrnFrequency untuk pembobotan. Perangkat lunak dibangun denganrnmenggunakan bahasa pemrograman PHP untuk sisi server yangrnberjalan pada platform cloud Windows Azure dan Java untuk sisirnclient yang berjalan pada platform Android.rnDari hasil penelitian dengan 1.400 tweet pada dataset danrn200 data uji didapatkan akurasi sebesar 79,5%, beberapa kendalarndalam pemrosesan tweet secara real time seperti duplikasi tweetrn(tweet spam), struktur bahasa Indonesia yang cukup rumit danrnberagam, dan belum banyak penelitian atau algoritma untukrnoptimasi pada kalimat berbahasa Indonesia.rnKata Kunci : Analisis Sentimen, Machine Learning, SupportrnVectore Machine.rn |
|---|