<![CDATA[Penelitian ini bertujuan untuk mengevaluasi dan membandingkan efektivitas berbagai algoritma pembelajaran mesin dalam mengklasifikasikan sentimen emoji. Data yang digunakan dalam penelitian ini terdiri dari emoji yang masing-masing diberikan label sentimen positif, negatif, atau netral. Kami menerapkan teknik Count Vectorization untuk mengubah data teks menjadi format numerik yang sesuai untuk pemrosesan algoritma pembelajaran mesin, Empat algoritma yang dievaluasi dalam penelitian ini adalah Multilayer Perceptron (MLP), Decision Tree Classifier, Naive Bayes Classifier, dan K-Nearest Neighbors (KNN). Setiap model dilatih menggunakan data latihan dan diuji menggunakan data uji yang telah dipisahkan sebelumnya dengan rasio pembagian 80:20,Hasil penelitian menunjukkan bahwa terdapat perbedaan signifikan dalam akurasi antara algoritma yang diuji, dengan masing-masing algoritma menunjukkan kekuatan dan kelemahannya. Efektivitas setiap model dievaluasi berdasarkan akurasi prediksi dan diinterpretasikan melalui matriks kebingungan yang dihasilkan,Visualisasi data menggunakan seaborn dan matplotlib memberikan wawasan lebih lanjut tentang performa masing-masing model, memungkinkan analisis mendalam tentang kesalahan klasifikasi yang umum terjadi. Studi ini memberikan panduan yang berguna untuk pemilihan algoritma dalam aplikasi klasifikasi sentimen berbasis emoji, yang memiliki implikasi signifikan dalam analisis media sosial dan interaksi manusia-komputer]]>
Copyrights © 2024
