IMPLEMENTASI WORD2VEC PADA ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI TIKTOK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

RIFAI, DENNY IVAN (2024) IMPLEMENTASI WORD2VEC PADA ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI TIKTOK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602000018_fullpdf.pdf Download (2MB)
	Text Teknik Informatika_32602000018_pernyataan_publikasi.pdf Restricted to Registered users only Download (79kB)

Abstract

Penggunaan media sosial semakin berkembang pesat, dengan aplikasi tiktok menjadi salah satu platform yang sangat populer. Analisis sentimen merupakan opini seseorang terhadap suatu topik, produk atau layanan tertentu. Analisis sentimen digunakan untuk menganalisi opini atau sentimen terhadap suatu topik tertentu, apakah opini tersebut cenrung positif, negatif dan netral. Peneliti menggunakan model word2vec yaitu cbow (continuous bag of words) dan skip gram untuk membandingkan akurasi serta membuat klasifikasi teks dengan jumlah dataset 900 terbagi menjadi 300 negatif,300 positif dan 300 netral serta menerapkan metode Support Vector Machine (SVM) untuk mengklasifikasikan sentimen dari ulasan pengguna aplikasi tiktok. Metode penelitian ini melibatkan langkah-langkah utama, yaitu pengumpulan dataset ulasan pengguna TikTok, preprocessing data, dan implementasi model Word2Vec. Setelah representasi vektor kata-kata berhasil dihasilkan, SVM diterapkan untuk melatih dan menguji model analisis sentimen. Hasil akurasi dari model cbow (continuous bag of words) 0.66 sedangkan hasil model skip gram 0.68. hasil akurasi cukup rendah namun untuk dapat meningkatkan hasil akurasi perlu meningkatkan jumlah dataset, fokus pada tahap preprocessing, yaitu memperbaiki kata yang tidak baku serta pengecekan kata yang lebih detail. Kata kunci: analisis sentimen, word2vec, klasifikasi, support vector machine

Item Type:	Thesis (Undergraduate)
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD28 Management. Industrial Management
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 3 UNISSULA
Date Deposited:	17 May 2024 03:15
Last Modified:	17 May 2024 03:15
URI:	http://repository.unissula.ac.id/id/eprint/34039

Actions (login required)

View Item