1. Home
  2. Lainnya

Analisis Sentimen Review Film Pada Twitter Menggunakan Metode Information Gain dan Naive Bayes Classifier.

ANALISIS SENTIMEN REVIEW FILM PADA TWITTER
MENGGUNAKAN METODE INFORMATION GAIN DAN NAÏVE BAYES
CLASSIFIER

INSAN PRASETYA JATI
Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Universitas Sebelas Maret

ABSTRAK
Salah satu obyek yang menarik untuk dikaji dalam analisis sentimen adalah
dunia industri film. Analisis sentimen pada obyek tersebut dapat digunakan oleh
konsumen sebelum membuat keputusan dalam mengkonsumsi produk film.
Penelitian analisis sentimen ini menggunakan pendekatan machine learning.
Algoritma Naive Bayes Classifier dipilih karena akurasi dan kesederhanaan
penggunaannya. Algoritma tersebut dikombinasikan dengan Information Gain
sebagai metode seleksi fitur untuk meningkatkan efisiensi perhitungan. Dataset
sebanyak 3.410 tweet pada penelitian ini dikumpulkan berdasarkan 12 judul film
populer yang di-crawling menggunakan fitur Twitter API. Eksperimen yang telah
berhasil dilakukan menunjukkan bahwa metode yang diusulkan memiliki akurasi
82,19%. Akurasi tersebut didapatkan dengan nilai threshold gain optimal 0,006.
Kata kunci : Analisis sentimen, information gain, naive bayes classifier, twitter.


TWITTER SENTIMENT ANALYSIS OF MOVIE REVIEWS USING
INFORMATION GAIN AND NAÏVE BAYES CLASSIFIER

INSAN PRASETYA JATI
Department of Informatics, Faculty of Mathematics and Natural Science
Sebelas Maret University

ABSTRACT
Movie as an industry is an interesting subject to be learned. The research
of sentiment analysis from Twitter users in this subject can be used by the
consumers before they make a decision to purchase the movie product. Machine
learning algorithm was applied in this sentiment analysis research. Naive Bayes
Classifier was choosed due to its strength on accuracy. It was combined with
Information Gain as feature selection method in order to increase the run time
efficiency. The dataset consist of 3,410 tweets had collected from 12 popular movie
titles which was searched using Twitter API. The experimental evaluations show
that the proposed techniques have the accuracy 82.19% with 0.006 as the optimal
threshold of gain.
Keyword : information gain, naïve bayes classifier, sentiment analysis, twitter.


Dokumen yang terkait

Analisis Sentimen Pengguna Twitter Terhadap Acara Standup Comedy Dengan Menggunakan Support Vector Machine Dan Naive Bayes Classifier

14 71 33

Optimasi Akurasi Analisis Sentimen Pada Posting Twitter Menggunakan Metode Naive Bayes dan Stemming

4 13 84

Klasifikasi Supervised Learning Pada Teks Bahasa Bali Dengan Metode Information Gain Dan Naive Bayes Classifier.

0 0 16

Analisis Sentimen pada Provider Telekomunikasi Menggunakan Metode Naive Bayes Classifier dengan Seleksi Fitur Mutual Information.

13 42 35

Analisis Sentimen Menggunakan Metode Naive Bayes Classifier dengan Seleksi Fitur Chi Square.

0 1 10

ANALISIS SENTIMEN MENGGUNAKAN METODE NAiVE BAYES CLASSIFIER DENGAN SELEKSI FITUR CHI SQUARE.

0 1 14

Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter

1 4 10

KLASIFIKASI SENTIMEN ULASAN BUKU BERBAHASA INGGRIS MENGGUNAKAN INFORMATION GAIN DAN NAÏVE BAYES SENTIMENT CLASSIFICATION ON ENGLISH BOOK REVIEWS USING INFORMATION GAIN AND NAÏVE BAYES

0 0 8

Penerapan Analisis Sentimen untuk Menilai Suatu Produk pada Twitter Berbahasa Indonesia dengan Metode Naïve Bayes Classifier dan Information Gain Ahmad Wildan Attabi’1 , Lailil Muflikhah2 , Mochammad Ali Fauzi3

0 0 7

ANALISIS SENTIMEN PADA SOSIAL MEDIA TWITTER TERHADAP POLITIK DI INDONESIA MENGGUNAKAN TEXT MINING DENGAN METODE NAIVE BAYES CLASSIFIER

1 2 8