Analisis Sentimen Kebutuhan Fast Track Pada Originals Vidio Menggunakan Support Vector Machine

Abstract

Analisis sentimen adalah analisis data teks yang memberikan analisis mendalam tentang sentimen, pendapat, bahkan emosi yang diungkapkan dan memungkinkan kita untuk memprediksi peluang terkait dengan hasil analisis. Penelitian ini dibuat untuk melihat tanggapan user Vidio.Com terhadap Original Series nya yang belum memiliki fitur fast track dibandingkan dengan beberapa perusahaan OTT lain yang telah memiliki fitur tersebut dan dapat membantu pihak Vidio.Com untuk mengembangkan bisnisnya serta memperbaiki apa yang dikeluhkan para pelanggannya. Penelitian ini memakai komentar Original Series pada Vidio.Com yang terdiri dari 1403 komentar. Karena dataset tidak memiliki pelabelan data, dilakukanlah analisis sentimen untuk menentukan sentimen positif, netral, dan negatif. Analisis sentimen, menghasilkan 663 sentimen netral, 517 sentimen positif dan 224 sentimen negatif. Berdasarkan hasil ini, dapat disimpulkan bahwa sebagian besar user Vidio.Com membutuhkan fitur fast track pada Original Series nya. Dalam penelitian ini juga dilakukan pengujian menggunakan metode Support Vector Machine dari pembagian data latih dan data uji dengan dengan fitur 25%, 50%, 75%, 100%. Selanjutnya dilakukan pembobotan Tf-Idf, serta pengujian menggunakan sistem K-Fold Cross-Validation. Fitur 25% menghasilkan akurasi tertinggi sebesar 86,04%. Pengujian dengan menggunakan sistem k-fold cross-validation menghasilkan akurasi tertinggi pada k-fold ke 2 dengan nilai akurasi sebesar 87.74%.

Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine

“…Support Vector Machine adalah algoritma pembelajaran mesin yang memiliki kinerja lebih baik dari algoritma pembelajaran mesin lainnya untuk klasifikasi, regresi dan prediksi [10]. Klasifikasi SVM bekerja dengan cara mencari hyperplane terbaik, memisahkan suatu kelas dengan kelas lain, SVM mencari nilai hyperplane menggunakan support vector dan nilai margin [11].…”