Perbandingan akurasi metode Lexicon Based dan metode Feature Extraction menggunakan algoritma Support Vector Machine (SVM) pada analisis sentimen layanan akademik UIN Sunan Gunung Djati Bandung

Tustianti, Ifany Dewi (2023) Perbandingan akurasi metode Lexicon Based dan metode Feature Extraction menggunakan algoritma Support Vector Machine (SVM) pada analisis sentimen layanan akademik UIN Sunan Gunung Djati Bandung. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

	Text (COVER) 1_cover.pdf Download (46kB)
	Text (ABSTRAK) 2_abstrak.pdf Download (25kB)
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (414kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (170kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (734kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (479kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (893kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (24kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (250kB) | Request a copy

Abstract

Penelitian ini menggunakan metode Lexicon based dan Feature extraction dengan algoritma Support Vector Machine (SVM) dalam bahasa pemrograman Python untuk menganalisis sentimen terhadap layanan akademik UIN Sunan Gunung Djati Bandung. Dalam lima percobaan, metode Lexicon based mencapai akurasi 95%, sementara metode Feature extraction, dengan Term Presence, BoW, dan TF-IDF, memiliki akurasi masing-masing 84%, 84%, dan 82%. Hasil klasifikasi menunjukkan kecenderungan masyarakat memiliki pandangan netral terhadap layanan tersebut. Validasi silang 10-fold menunjukkan metode Lexicon based memiliki akurasi rata-rata 96,20%, sementara metode Feature extraction memiliki akurasi rata-rata masing-masing 92,30%, 92,20%, dan 89,90%. Penelitian ini menyimpulkan bahwa metode Lexicon based lebih konsisten dan efektif dalam mengklasifikasikan sentimen, dengan BoW dianggap sebagai teknik ekstraksi fitur paling efektif dalam Feature extraction. Hasilnya menegaskan bahwa metode Lexicon based dapat diandalkan untuk analisis sentimen layanan akademik UIN Sunan Gunung Djati Bandung.

Actions (login required)

View Item