SENTIMENT ANALYSIS PADA MEDIA SOSIAL FOURSQUARE MENGGUNAKAN SENTIMENT LEXICON DAN METODE LATENT DIRICHLET ALLOCATION (LDA)

KUSUMA, DARMAWAN NUR and KUSUMANINGRUM, RETNO (2017) SENTIMENT ANALYSIS PADA MEDIA SOSIAL FOURSQUARE MENGGUNAKAN SENTIMENT LEXICON DAN METODE LATENT DIRICHLET ALLOCATION (LDA). Undergraduate thesis, Universitas Diponegoro.

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

1247Kb

Abstract

Foursquare merupakan salah satu media sosial yang dapat digunakan sebagai sarana untuk mencari letak restoran melalui Global Positioning System (GPS) sekaligus penggunaannya dapat memberikan opini berupa komentar pada restoran tersebut. Opini yang dituliskan berupa penilaian atau ulasan yang dikemas dalam bentuk komentar yang bermakna positif ataupun negatif. Opini dapat membantu pengguna atau pembeli untuk dapat memilih restoran yang recommended dan juga dapat membantu penjual untuk mengetahui perkembangan restoran miliknya. Opini dalam jumlah yang terlalu banyak, terkadang membuat penjual kesulitan untuk menganalisannya. Penelitian ini bertujuan untuk menjawab permasalahan tersebut dengan menganalisa opini yang ada melalui sentiment analysis. Sentiment analysis dengan probabilistic topic model menggunakan metode Latent Dirichlet Allocation (LDA) merupakan teknologi yang dapat diimplementasikan untuk membaca opini publik terkait sentimen positif dan negatif terhadap topik tertentu. Penelitian yang diusulkan merupakan sentiment analysis pada Foursquare menggunakan sentiment lexicon dan metode Latent Dirichlet Allocation (LDA). Hasil dari beberapa eksperimen pada penelitian ini menunjukkan bahwa penggunaan normalisasi Jaro Winkler Distance dapat meningkatkan akurasi sebesar 3,34 %. Ekstraksi fitur menggunakan sentiment term frequency menghasilkan akurasi lebih tinggi daripada sentiment term frequency dengan selisih akurasi sebesar 1,34 %. Eksperimen dengan melakukan perubahan jumlah topik mendapatkan nilai akurasi tertinggi pada ekstraksi fitur sentiment term occurrence, yang mengasilkan nilai akurasi sebesar 79,50 % dengan jumlah topik optimal sebesar 300.

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:60792
Deposited By:Mrs. Rismiyati .
Deposited On:13 Feb 2018 15:17
Last Modified:13 Feb 2018 15:17

Repository Staff Only: item control page