ANALISIS SENTIMEN PADA TWITTER SHOPEE INDONESIA MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN PEMBOBOT TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY (TF-IDF)

AZ -ZAHRA, FADHILAH, B2A017055 (2021) ANALISIS SENTIMEN PADA TWITTER SHOPEE INDONESIA MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN PEMBOBOT TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY (TF-IDF). Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text 0. Cover.pdf Download (504kB) | Preview
Preview	Text 2. Lembar Pengesahan Pembimbing (SCAN).pdf Download (517kB) | Preview
Preview	Text 3. Lembar Pengesahan Skripsi (SCAN).pdf Download (533kB) | Preview
Preview	Text 6. ABSTRAK.pdf Download (597kB) | Preview
Preview	Text BAB I.pdf Download (718kB) | Preview
Preview	Text BAB II.pdf Download (991kB) | Preview
	Text BAB III.pdf Restricted to Repository staff only Download (533kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text BAB V.pdf Download (502kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (614kB) | Preview
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (567kB) | Request a copy
Preview	Text Manuscript Indonesia.pdf Download (894kB) | Preview

Abstract

Twitter termasuk media sosial yang diminati oleh banyak masyarakat dan menjelma menjadi penyiar informasi yang amat cepat saat ini. Informasi yang dikeluarkan serta bersirkulasi via media ini amat bebas serta banyak ragam, layaknya berita, pendapat, pertanyaan, kritikan, komentar baik bersifat positif ataupun negative Shopee merupakan E-commerce yang saat ini masih diminati masyarakat.. Klasifikasi ialah kaidah di teks mining yang menghimpunkan muatan mengacu pada kesamaan skripnya. Lewat kaidah ini membolehkan tweets yang tersedia di Twitter digolongkan jadi satu bersandarkan jenisnya. Misalkan, substansi sepakbola, voli, serta tenis diguguskan pada kategori olahraga. Prosedur pada klasifikasi dimulai memakai preprocessing, selanjutnya dilakukan pembobotan kata, lalu kategorisasi yang terdiri dari Preprocessing dan beberapa tahapan, yaitu pembersihan dokumen, tokenizing, stopword removal, serta stemming. Metode pembobotan kata yang dipergunakan dalam skripsi ini ialah Term Frequency–Inverse Document Frequency (TF-IDF) & memakai K-Nearest Neighbor (KNN)dengan data latih 80:20. Metode KNN merupakan klasifikasi terhadap sekumpulan data berdasarkan pembelajaran data yang sudah terklasifikasikan sebelumya. Pengujian akurasi dari klasifikasi tweets pada Twitter dengan memakai metode K-Nearest Neighbor (K-NN) menghasilkan akurasi dimana total data berjumlah 1300, dengan angka k yang dimasukkan ialah 1, 3, 5, serta 7 dan 9 masing-masing hasilnya k = 1, akurasi sebesar 77,31%; k = 3, ketepatan 75,38%; k = 5, ketepatan 75,38%; k = 7, ketepatan 75,38% dan k=9 ketepatan 75,38%. Kata Kunci : :Preprocessing, K- Nearest Neighbor, Term frequency-inverse document frequency

Actions (login required)

View Item