2021
DOI: 10.51977/jti.v3i1.488
|View full text |Cite
|
Sign up to set email alerts
|

Sentimen Analisis Covid-19 Dengan Metode Probabilistic Neural Network Dan Tf-Idf

Abstract: Penelitian ini bertujuan melakukan sentiment analysis tentang corona virus pada kegiatan sehari hari yang diunggah di facebook, Twitter dan Instagram dengan output yaitu 3 class:positif, negative dan netral. Metode yang dipilih adalah metode klasifikasi Probabilistic Neural Network. Sebelum melakukan klasifikasi, praprocessing pada penelitian ini meliputi tokenizasi, normalisasi, menghilangkan emoticon, Convert Negasi, Stopword Removal sertaTF-IDF. dataset yang digunakan berjumlah 1177 dataset dengan pembagian… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1
1

Citation Types

0
2
0
9

Year Published

2022
2022
2024
2024

Publication Types

Select...
8

Relationship

0
8

Authors

Journals

citations
Cited by 10 publications
(11 citation statements)
references
References 0 publications
0
2
0
9
Order By: Relevance
“…Kelima, inflasi yang tinggi dapat menyebabkan kenaikan suku bunga nominal, yang dapat mengganggu tingkat investasi tertentu yang diperlukan untuk mendorong pertumbuhan ekonomi. [5]- [7] Di Indonesia, inflasi dikendalikan agar selalu di bawah dua digit atau di bawah 10 persen. Hal ini tentunya membutuhkan upaya tambahan, karena inflasi juga sangat sensitif terhadap gangguan eksternal.…”
Section: Pendahuluanunclassified
“…Kelima, inflasi yang tinggi dapat menyebabkan kenaikan suku bunga nominal, yang dapat mengganggu tingkat investasi tertentu yang diperlukan untuk mendorong pertumbuhan ekonomi. [5]- [7] Di Indonesia, inflasi dikendalikan agar selalu di bawah dua digit atau di bawah 10 persen. Hal ini tentunya membutuhkan upaya tambahan, karena inflasi juga sangat sensitif terhadap gangguan eksternal.…”
Section: Pendahuluanunclassified
“…Melalui tahap Preprocessing, diharapkan data menjadi lebih bersih dan terstruktur, sehingga dapat meningkatkan akurasi analisis yang akan dilakukan. Tahap Pre-processing ini melibatkan beberapa langkah seperti pembersihan (cleansing) data, tokenisasi (memecah teks menjadi kata-kata atau bagian), penyaringan (filtering/remove stopword), dan stemming (penghapusan imbuhan dalam kata) (Najiyah, 2023).…”
Section: Preprocessingunclassified
“…The stopword removal step is used to remove prepositions, pronouns, and conjunctions. The stemming stage uses the PySastrawi library [16] to change words into basic words to reduce word dimensions [17].…”
Section: Figure 2 Preprocessing Stepsmentioning
confidence: 99%