UNITOMOUNITOMO

Inform: Jurnal Ilmiah Bidang Teknologi Informasi dan KomunikasiInform: Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi

Banyak peneliti kini menggunakan metode pembelajaran mesin terawasi untuk mempelajari analisis sentimen. Analisis dapat dilakukan pada ulasan film, ulasan Twitter, ulasan produk online, blog, forum diskusi, komentar Myspace, dan jaringan sosial. Klasifikasi mesin SVM digunakan untuk menganalisis dataset Twitter dengan parameter berbeda. Analisis dan diskusi dilakukan untuk menyimpulkan bahwa SVM telah berhasil diterapkan menggunakan data IMDb untuk studi ini. Untuk menyelesaikan studi ini, fase pra‑proses, yang terdiri dari penyaringan dan klasifikasi data menggunakan SVM dengan total 50.000 titik data, diselesaikan setelah mengumpulkan hingga 40.000 ulasan untuk digunakan sebagai data pelatihan dan 10.000 ulasan untuk data uji. 25.000 positif dan 25.000 negatif membentuk pandangan. Dalam studi ini, kami mengadopsi matriks evaluasi termasuk akurasi, presisi, recall, dan skor F1. Menurut laporan percobaan, model kami mencapai akurasi tertinggi 88,59 % dengan SVM menggunakan Bags of Word (BoW). Selanjutnya, menggunakan grid‑search, model optimisasi parameter SVM terbaik ditemukan. Model kami mencapai akurasi tertinggi 91,27 % dengan TF‑IDF.

Metode Support Vector Machine berhasil diterapkan pada data ulasan film IMDb.Pre‑proses dan ekstraksi fitur TF‑IDF menghasilkan akurasi teringgi 91,27 %.Penelitian selanjutnya dapat meningkatkan akurasi dengan menggunakan kamus kata jeda dan ahli linguistik.

Penelitian lanjutan dapat memanfaatkan model lain seperti BERT untuk membandingkan kinerja dengan SVM pada dataset IMDb; serta menilai pengaruh teknik pemrosesan bahasa alami tambahan seperti stemming dan lemmatization terhadap hasil klasifikasi. Selain itu, studi dapat memperluas data ke platform media sosial lain, menguji generalisasi model, dan mengukur perbedaan hasil antara bahasa Indonesia dan bahasa Inggris. Akhirnya, mengkaji peran pembobotan kata berbasis konteks dapat meningkatkan sensitivitas model terhadap sentimen negatif dan positif pada ulasan film.

  1. 0. dbb 9r zr hp xw hh v1 io ojs.aaai.org/index.php/ICWSM/article/view/141850 dbb 9r zr hp xw hh v1 io ojs aaai index php ICWSM article view 14185
  2. Inform: Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi. sentiment analysis imdb movie review... ejournal.unitomo.ac.id/index.php/inform/article/view/5700Inform Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi sentiment analysis imdb movie review ejournal unitomo ac index php inform article view 5700
  3. Deep learning for sentiment analysis: A survey - Zhang - 2018 - WIREs Data Mining and Knowledge Discovery... doi.org/10.1002/widm.1253Deep learning for sentiment analysis A survey Zhang 2018 WIREs Data Mining and Knowledge Discovery doi 10 1002 widm 1253
Read online
File size481.46 KB
Pages6
DMCAReport

Related /

ads-block-test