Opinion Mining and Sentiment Study of Tweets Polarity Using Machine Learning

Mridula, A.; Kavitha, C. R.

doi:10.1109/icicct.2018.8473079

Cited by 12 publications

(1 citation statement)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Classifier NB didasarkan pada teorema Bayes yang memprediksi probabilitas keanggotaan kelas suatu data berdasarkan perhitungan probabilitas. Metode ini digunakan karena menjanjikan untuk menyelesaikan masalah analisis data tekstual dan memiliki akurasi yang tinggi dengan perhitungan sederhana [22].…”

Section: Klasifikasiunclassified

Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia

Perdana

Aji

Ferdiana

2021

JNTETI

View full text Add to dashboard Cite

Ulasan pelanggan merupakan opini terhadap kualitas barang atau jasa yang dirasakan konsumen. Ulasan pelanggan mengandung informasi yang berguna bagi konsumen maupun penyedia barang atau jasa. Ketersediaan ulasan pelanggan dalam jumlah besar pada website membutuhkan suatu framework untuk mengekstraksi sentimen secara otomatis. Sebuah ulasan pelanggan sering kali mengandung banyak aspek sehingga Aspect Based Sentiment Analysis (ABSA) harus digunakan untuk mengetahui polaritas masing-masing aspek. Salah satu tugas penting dalam ABSA adalah Aspect Category Detection. Metode machine learning untuk Aspect Category Detection sudah banyak dilakukan pada domain berbahasa Inggris, tetapi pada domain bahasa Indonesia masih sedikit. Makalah ini membandingkan kinerja tiga algoritme machine learning, yaitu Naïve Bayes (NB), Support Vector Machine (SVM), dan Random Forest (RF) pada ulasan pelanggan berbahasa Indonesia menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) sebagai term weighting. Hasil menunjukkan bahwa RF memiliki kinerja paling unggul dibandingkan NB dan SVM pada tiga domain yang berbeda, yaitu restoran, hotel, dan e-commerce, dengan nilai f1-score untuk masing-masing domain adalah 84.3%, 85.7%, dan 89,3%.

show abstract

Section: Klasifikasiunclassified