Claim Missing Document
Check
Articles

Found 1 Documents
Search

Optimasi Ukuran Dataset untuk Analisis Sentimen Menggunakan Teknik Pembelajaran Mesin dan Pembelajaran Mendalam Halisah Duli, St Nur; Rahman, Fahrim Irhamna; Wahyuni, Titin
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/xsq0pg68

Abstract

Penelitian ini bertujuan untuk mengoptimalkan ukuran dataset yang digunakan dalam analisis sentimen melalui penerapan teknik pembelajaran mesin dan pembelajaran mendalam. Metode pembelajaran mesin yang digunakan mencakup Naive Bayes, Regresi Logistik, dan Support Vector Machine, sedangkan Convolutional Neural Network digunakan untuk metode pembelajaran mendalam. Data yang digunakan dalam penelitian ini berasal dari ulasan Google Maps mengenai beberapa tempat wisata, seperti Bugis Waterpark, Akkarena, Tanjung Bayang, Pantai Bosowa, dan Wisata Kebun. Tahap pra-pemrosesan data meliputi pembersihan data, casefolding, penghapusan stopwords, tokenisasi, dan stemming. Pengujian dilakukan dengan sembilan ukuran dataset yang berbeda (4500, 4000, 3500, 3000, 2500, 2000, 1500, 1000, dan 500) serta pembagian data latih dan data uji dengan rasio 90:10, 80:20, dan 70:30. Hasil pengujian menunjukkan bahwa Regresi Logistik dengan ukuran dataset 1000 dan Pembagian 90:10 mencapai tingkat akurasi tertinggi sebesar 85%. Studi ini menyimpulkan bahwa ukuran dataset yang optimal bervariasi tergantung pada metode yang digunakan dan menggarisbawahi pentingnya pemilihan ukuran dataset yang tepat untuk meningkatkan kinerja analisis sentimen. .