Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia pada Twitter dengan Metode Support Vector Machine dan Lexicon Based Features
Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia pada Twitter dengan Metode Support Vector Machine dan Lexicon Based Features
复制标题
Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia pada Twitter dengan Metode 支持向量机和基于词典的特征
DOI：
--
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Umi Rofiqoh
中科院分区：
文献类型：
--
作者：
Umi Rofiqoh
阿达拉·萨拉赫·萨图·卡邦·佩里·达里提·达里文·采阳·伯古纳·恩图克·蒙克拉西菲卡西·杜库门·特克斯·贝鲁帕·奥比尼·贝达萨坎·布尔达萨坎。Dokumen Teks Yang Digunakan Dalam Penelitian berasal tentang opini masya akat mengenai penyeanan Telekomunikasi卖家。支持向量机登安蒙古纳坎词典基于特征sebagai pembaharuan fiturnya selain emakai fiur tf。数据是300个数据，数据是70%的数据，30%的数据是数据。Hasil akurasi系统阳diperoleh Dari分析情感登安元代码支持向量机丹基于词典的特征SEBSAR 79%蒙古纳坎Nilai学位SEBSAR 2，Nilai konstanta学习率0,0001，Serta julah iterasi maksimum sebanyak 50Kali。色当坎系统分析基于蒙古纳坎词典的蒙古纳坎特征84%登安尼莱参数阳萨马。
Analisis sentimen adalah salah satu cabang penelitian dari Text Mining yang berguna untuk mengklasifikasi dokumen teks berupa opini berdasarkan sentimen. Dokumen teks yang digunakan dalam penelitian berasal Twitter tentang opini masyarakat mengenai penyedia layanan telekomunikasi seluler. Metode yang digunakan adalah Support Vector Machine dengan menggunakan Lexicon Based Features sebagai pembaharuan fiturnya selain memakai fitur TF-IDF. Data yang digunakan pada penelitian ini sebanyak 300 data yang dibagi menjadi dua jenis data dengan perbandingan 70% untuk data latih dan 30% untuk data uji. Hasil akurasi sistem yang diperoleh dari analisis sentimen dengan metode Support Vector Machine dan Lexicon Based Features sebesar 79% menggunakan nilai degree sebesar 2, nilai konstanta learning rate 0,0001, serta jumlah iterasi maksimum sebanyak 50 kali. Sedangkan sistem analisis sentimen tanpa menggunakan Lexicon Based Features menghasilkan tingkat akurasi sebesar 84% dengan nilai parameter yang sama.