Implementasi Naive Bayes Classifier pada sentimen analisis prediksi rating ulasan tekstual Messenger Indonesia

Supriatna, Sartika Putri (2018) Implementasi Naive Bayes Classifier pada sentimen analisis prediksi rating ulasan tekstual Messenger Indonesia. Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (109kB) | Preview
[img]
Preview
Text (ABSRAK)
2_absrak.pdf

Download (121kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (218kB) | Preview
[img]
Preview
Text (BAB 1)
4_bab1.pdf

Download (349kB) | Preview
[img] Text (BAB 2)
5_bab2.pdf
Restricted to Registered users only

Download (790kB) | Request a copy
[img] Text (BAB 3)
6_bab3.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB 4)
7_bab4.pdf
Restricted to Registered users only

Download (731kB) | Request a copy
[img] Text (BAB 5)
8_bab5.pdf
Restricted to Registered users only

Download (116kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (199kB) | Request a copy

Abstract

Tujuan dari penelitian ini adalah menentukan sentimen ulasan (positif,negatif dan netral) dengan menerapkan Naive Bayes Classifier untuk menggambarkan peringkat bintang dari setiap ulasan yang akan di bentuk perhitungan rating. Selain itu, penelitian ini menguji tingkat akurasi sistem data klasifikasi ulasan Aplikasi Messenger anak bangsa dengan Naive Bayes Clasifikasi dan Metode Log Exp Sum. Tahap klasifikasi menggunakan data ulasan yang diambil dari akun play store LiteBig, yogrt, catfiz, stealthchat, dan obrolan Indonesia. Proses pelabelan data dilakukan secara manual. Setelah melewati proses penarikan 2900 data yang terdiri dari 1447 data latih dan 1453 data uji. Berdasarkan hasil eksperimen yang dilakukan, klasifikasi sentimen memperoleh akurasi sebesar 90,64 %. Hasil ini menunjukan bahwa naive bayes classifer dinyatakan baik dalam mengklasifikasi ulasan tekstual walaupun menggunakan data latih kurang dari data uji.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Sentimen; Text Mining; Naïve Bayes Classifier; Rating; Ulasan
Subjects: Technology, Applied Sciences
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: sartika Putri supriatna
Date Deposited: 01 Apr 2019 03:06
Last Modified: 01 Apr 2019 03:06
URI: https://digilib.uinsgd.ac.id/id/eprint/19609

Actions (login required)

View Item View Item