Article Per Year (5 Year)
p-Index From 2021 - 2026
2.036
P-Index
This Author published in this journals
All Journal Jurnal Inspiration JurTI (JURNAL TEKNOLOGI INFORMASI) E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Tolis Ilmiah: Jurnal Penelitian Jurnal Cendekia Mengabdi Berinovasi dan Berkarya Educational Dynamics: International Journal of Education and Social Sciences Journal of Literature Review Makapande: Jurnal Pengabdian Kepada Masyarakat JURNAL TEKNOLOGI PENDIDIKAN MADAKO
Arham Rahim
Teknologi Pendidikan, Fakultas Keguruan Dan Ilmu Pendidikan, Universitas Madako Tolitoli
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JurTI (JURNAL TEKNOLOGI INFORMASI)

 1 
Perbandingan Metode Support Vector Machine Dengan Metode Lexicon Dalam Analisis Sentimen Bahasa Indonesia Muhammad Resa Arif Yudianto; Arham Rahim; Pristi Sukmasetya; Rofi Abul Hasani
(JurTI) Jurnal Teknologi Informasi Vol 6, No 1 (2022): JUNI 2022
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v6i1.2537

Abstract

Berbagi informasi di era saat ini semakin mudah dengan adanya media sosial, salah satu yang populer adalah twitter. Media ini memang didesain khusus untuk mengutarakan pendapat dan mengekspresikan perasaan seseorang dengan jumlah karakter yang terbatas yaitu 280 karakter. Unggahan-unggahan dalam media tersebut memiliki isi yang menggambarkan permasalahan/perasaan seseorang yang mengandung pengetahuan yang tersembunyi. Oleh karena itu untuk mengetahui makna dari kalimat-kalimat tersebut harus dilakukan analisis sentimen. Terdapat beberapa metode yang dapat digunakan untuk menganalisis sentimen suatu kalimat seperti pendekatan lexicon based dan pendekatan knowledge based dengan algoritma Support Vector Machine (SVM). Kedua metode tersebut memiliki prinsip kerja yang berbeda dalam melakukan sentimen analisis. Penelitian ini membandingkan kemampuan dari pendekatan metode SVM dan lexicon based menggunakan dataset sentimen berbahasa Indonesia. Dari beberapa skenario percobaan terhadap 4000 dataset, didapatkan bahwa metode SVM lebih diunggulkan dalam mengklasifikasikan sentimen positif dan negatif dengan akurasi sebesar 98,5% dengan parameter ekstraksi fitur unigram dengan rasio dataset 80:20. Pendekatan berbasis lexicon based kurang baik dalam melakukan analisis sentimen dengan akurasi tertinggi sebesar 78,43%. Hal tersebut dikarenakan minimnya kamus kata positif yang jumlahnya adalah setengah dari jumlah kamus kata negatif, sehingga kata yang bernilai positif tidak dapat dikenali dengan baik. Kamus kata yang memiliki nilai pada setiap kata lebih akurat dalam menganalisis sentimen dibandingkan dengan kamus kata yang tidak memiliki nilai/skor.
Co-Authors Aprilia Melinda Ema Utami Emha Taufiq Luthfi Ermelinda Be’i Fiansi Fiansi Husni Irfan Juliana T Kusrini Kusrini Lupita Rusman Muhammad Resa Arif Yudianto Multazam Multazam Nur Haida Ògúnléye, Michael Olá Rofi Abul Hasani Sarti Sarti Sitti Nuralan Sitti Nuralan Sofia Anastasya Suchy Nadia Putri Sukmasetya, Pristi Syaiful Hidayat Trisna Trisna Veronika Kune