ANALISIS KLASIFIKASI OPINI TWEET PADA MEDIA SOSIAL TWITTER MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA)

FITRIASIH, MINNATI and KUSUMANINGRUM, RETNO (2017) ANALISIS KLASIFIKASI OPINI TWEET PADA MEDIA SOSIAL TWITTER MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA). Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
Available under License Creative Commons Attribution Non-commercial Share Alike.

727Kb

Abstract

Media sosial menunjukkan perkembangan yang sangat besar pada masa ini. Salah satu platform media sosial yang banyak digunakan di Indonesia adalah Twitter. Penggunaan Twitter yang relatif mudah menjadi pilihan sebagian besar orang dalam menggunakan media sosial ini. Dengan banyaknya pengguna Twitter, semakin banyak informasi yang dihasilkan, tidak jarang pula adanya tindak kejahatan yang dilakukan. Aktivitas kriminal atau tindak kejahatan yang sering dilakukan melalui Twitter pada umumnya berupa cyberbullying dan cyber-harassment. Penelitian ini bertujuan untuk mengembangkan aplikasi yang dapat mengklasifikasikan opini tweet sebagai neutral opinion atau crime indicated opinion dengan menggunakan sentiment analysis. Opini tweet yang akan dikategorikan crime indicated opinion yang akan diambil dalam penelitian ini adalah tweet atau pesan pada Twitter yang mengandung unsur cyberbulliying atau cyberharassment. Sentiment analysis dengan probabilistic topic model menggunakan metode Latent Dirichlet Allocation (LDA) merupakan metode baru yang dapat diimplementasikan dalam permasalahan analisis klasifikasi opini tweet. Hasil penelitian menunjukkan nilai akurasi yang cukup baik sebesar 66% untuk akurasi rata-rata tertinggi dengan nilai hiperparameter β 0,1, α 0,00001 untuk 2 topik pada jumlah iterasi 10000. Berdasarkan hasil akurasi tertinggi, dilakukan perhitungan sensitivitas dan spesifitas untuk setiap fold untuk menentukan fold terbaik, didapatkan hasil akurasi fold tertinggi sebesar 77%.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:60608
Deposited By:INVALID USER
Deposited On:07 Feb 2020 15:48
Last Modified:07 Feb 2020 15:48

Repository Staff Only: item control page