ANALISIS SENTIMEN DALAM KOMENTAR DI INSTAGRAM MENGGUNAKAN BOTTOM-UP PARSING DAN SUPPORT VECTOR MACHINE
Analisis sentimen bertujuan untuk membantu mempermudah klasifikasi dari komentar yang diberikan oleh user. Pada penelitian ini, Bottom UP Parsing dan SVM diimplementasikan untuk meningkatkan akurasi pada saat proses analisis. Bottom UP Parsing digunakan untuk mencari kata sifat yang ada pada komentar. SVM digunakan untuk menentukan klasifikasi negatif atau positif dari kalimat komentar yang dikirimkan. SVM sendiri dipilih karena mampu mengatasi data yang memiliki batas keputusan yang kompleks dan tidak linier dan juga SVM berusaha untuk menemukan hiperplane yang memisahkan dua kelas dengan jarak terbesar antara hiperplane dan titik data terdekat (support vector). TF-IDF digunakan untuk menghitung bobot setiap kata yang ada pada komentar yang dimasukan. Pada penelitian ini menggunakan metode SVM dan bottom up parsing lalu dari proses pengujian sebanyak 260 dokumen menghasilka 90% accuracy.
APA Style
. (2023).ANALISIS SENTIMEN DALAM KOMENTAR DI INSTAGRAM MENGGUNAKAN BOTTOM-UP PARSING DAN SUPPORT VECTOR MACHINE ().Teknik Informatika:FTI
Chicago Style
.ANALISIS SENTIMEN DALAM KOMENTAR DI INSTAGRAM MENGGUNAKAN BOTTOM-UP PARSING DAN SUPPORT VECTOR MACHINE ().Teknik Informatika:FTI,2023.Text
MLA Style
.ANALISIS SENTIMEN DALAM KOMENTAR DI INSTAGRAM MENGGUNAKAN BOTTOM-UP PARSING DAN SUPPORT VECTOR MACHINE ().Teknik Informatika:FTI,2023.Text
Turabian Style
.ANALISIS SENTIMEN DALAM KOMENTAR DI INSTAGRAM MENGGUNAKAN BOTTOM-UP PARSING DAN SUPPORT VECTOR MACHINE ().Teknik Informatika:FTI,2023.Text
