Analisa Sentimen Tweet Berbahasa Indonesia dengan Menggunakan Metode Pembobotan Hybrid TF-IDF pada Topik Transportasi Online

Article Sidebar

PDF
Published: Jan 2, 2024
DOI: https://doi.org/10.22219/repositor.v2i2.30471
Keywords:
Hybrid TF-IDF Sentiment Analysis Online based Transportation kNN Cross Validation

Main Article Content

Sari Wahyunita
a:1:{s:5:"en_US";s:31:"Universitas Muhammadiyah Malang";}
Yufis Azhar
Nur Hayatin

Abstract

 Beberapa tahun belakangan ini, muncul perusahaan-perusahaan penyedia jasa transportasi yang menggunakan aplikasi berbasis android dalam proses pelayanannya atau biasa disebut dengan transportasi online. Hal ini dilakukan untuk meningkatkan pelayanan terhadap pengguna jasa transportasi. Hadirnya transportasi online seperti Gojek, Grab dan Uber menimbulkan masalah sosial antara supir transportasi online dan supir transportasi non aplikasi. Penyebabnya dikarenakan sebagian besar masyarakat beralih menggunakan transportasi online, sehingga pendapatan supir transportasi non aplikasi menurun. Pada penelitian ini, dilakukan analisa sentimen terhadap tweet berbahasa Indonesia tentang transportasi online dengan menggunakan metode pembobotan Hybrid TF-IDF dan kNN sebagai metode klasifikasinya. Hasil terbaik dari pengujian cross validation pada uji variable k adalah k=5 dengan nilai akurasi 70%, presisi kelas positif 68%, presisi kelas negatif 75%, recall kelas positif 82%, recall kelas negatif 59%,  f-measur kelas positif 74% dan f-measure kelas negatif 65%.

Downloads

Download data is not yet available.

Article Details

How to Cite
[1]
S. Wahyunita, Y. Azhar, and N. Hayatin, “Analisa Sentimen Tweet Berbahasa Indonesia dengan Menggunakan Metode Pembobotan Hybrid TF-IDF pada Topik Transportasi Online”, JR, vol. 2, no. 2, Jan. 2024.
Issue
Vol. 2 No. 2 (2020): Februari 2020
Section
Sains Data
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

References

M. Idris, "Pendapatan Operator Taksi Menurun Hingga 20% dengan Kehadiran Uber dan GrabCar," detiknews, 15 Maret 2016. [Online]. Available: http://news.detik.com/berita/3165540/pendapatan-operator-taksi-menurun-hingga-20-dengan-kehadiran-uber-dan-grabcar. [Accessed 9 Mei 2017].

Twitter, "Pencapaian Twitter," 30 Juni 2016. [Online]. Available: https://about.twitter.com/id/company/press/milestones. [Accessed 11 Maret 2017].

Statistika, "Statistika: Number of Active Twitter Users in Leading Markets as of May 2016 (in Millions)," Mei 2016. [Online]. Available: https://www.statista.com/statistics/242606/number-of-active-twitter-users-in-selected-countries/. [Accessed 12 Maret 2017].

J. Weng, E.-P. Lim and J. Jiang, "TwitterRank: Finding Topic-sensitive Influential Twitters," WSDM'10, pp. 261-270, 2010.

R. Wati, "Penerapan Algoritma Genetika Untuk Seleksi Fitur Pada Analisis Sentimen Review Jasa Maskapai Penerbangan Menggunakan Naive Bayes," Evolusi, vol. 4, pp. 26-32, 2016.

D. H. Wahid and A. SN, "Peringkasan Sentimen Esktraktif di Twitter Menggunakan Hybrid TF-IDF dan Cosine Similarity," IJCCS, vol. 10, pp. 207-218, 2016.

M. I. Sikki, "PENGENALAN WAJAH MENGGUNAKAN K-NEAREST NEIGHBOUR DENGAN PRAPROSES TRANSFORMASI WAVELET," Jurnal Paradigma, vol. X, pp. 159-172, 2009.

G.Vinodhini and RM.Chandrasekaran, "Sentiment Analysis and Opinion Mining: A Survey," International Journal of Advanced Research in Computer Science and Software Engineering, vol. 2, no. 6, pp. 282-292, 2012.

B. Liu, Sentiment Analysis and Opinion Mining, San Rafael: Morgan&Claypool Publishers, 2012.

O. Nurdiana, Jumadi and D. Nursantika, "PERBANDINGAN METODE COSINE SIMILARITY DENGAN METODE JACCARD SIMILARITY PADAAPLIKASI PENCARIAN TERJEMAH AL-QUR’AN DALAM BAHASA INDONESIA," JOIN6, vol. I, pp. 59-63, 2016.

H. Leidiyana, "Penerapan Algoritma K-Nearest Neighbor untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor," J Piksel, vol. 1, pp. 65-76, 2013.