Article Per Year (5 Year)
p-Index From 2020 - 2025
2.083
P-Index
This Author published in this journals
All Journal Format : Jurnal Imiah Teknik Informatika Jurnal Informatika Information Management For Educators And Professionals (IMBI) Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Infotek : Jurnal Informatika dan Teknologi INTELEKTIVA JIKI (Jurnal Ilmu Komputer dan Informatika) Jurnal Informatika Teknologi dan Sains (Jinteks)
Andreyestha Andreyestha
Universitas Bina Sarana Informatika
Arts Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Public Health Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika

 1 
ANALISA SENTIMENT PADA ULASAN FILM DENGAN OPTIMASI ENSEMBLE LEARNING Andreyestha Andreyestha; Agus Subekti
Jurnal Informatika Vol 7, No 1 (2020): April 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (231.288 KB) | DOI: 10.31294/ji.v7i1.6171

Abstract

Dalam dunia hiburan khususnya film, kini situs web ulasan film menjadi media bagi orang-orang untuk memberikan penilaian mengenai seberapa bagus film tersebut. Mereka tidak harus menjadi pakar dalam dunia perfilman untuk menilai kualitas dari film yang mereka saksikan, semua orang dapat memberikan penilaian. Sentimen yang ditemukan dalam komentar, umpan balik atau kritik memberikan indikator yang berguna untuk berbagai tujuan dan dapat dikategorikan berdasarkan polaritas, polaritas tersebut cenderung akan dicari tahu apakah secara keseluruhan positif atau negatif. Algoritma Naïve Bayes  dan Random Forest merupakan algoritma yang dapat memberikan hasil analisa klasifikasi sesuai yang diharapkan pada penelitian ini, analisa akan dilakukan dengan membandingkan beberapa kombinasi algoritma untuk diuji pada Polarity Dataset 2.0 dari Cornell University, diantaranya  yaitu Algoritma tersebut akan dikombinasikan dengan seleksi fitur Chi Square, Adaboost, dan Voting. Dari hasil pengujian yang didapat algoritma AdaBosst dan Voting mampu meningkatkan akurasi dari metode Naïve Bayes (NB) and Random Forest (RF). Model yang diusulkan dengan Chi Square + Voting 2 (RF + SVM) memiliki nilai akurai 84,6%, dan model ini memiliki nilai akurasi yang lebih tinggi.
Co-Authors ADHI DHARMA SURIYANTO Agus Subekti Andi Taufik Billyam Eko Pramono Eko Pramono Eko Pramono Eko Pramono, Eko Fajar Akbar Fajar Akbar, Fajar Imam Nawawi Masruri Sentiko , Ahmad Oky Kurniawan Qudsiah Nur Azizah Rahdian Kusuma Atmaja Richky Faizal Amir Richky Faizal Amir Rino Ramadan Wisti Dwi Septiani WITRIANA ENDAH PANGESTI