Main Article Content
Abstract
Perkembangan internet dewasa ini berkembang sangat pesat yang secara tidak langsung mendorong penciptaan konten web pribadi yang melibatkan sentimen seperti blog, tweets, web forum dan jenis-jenis media sosial. Manusia sering kali mengambil keputusan yang didasari oleh masukan dari teman, saudara, kolega dan lain-lain. Dengan didukung ketersediaan pertumbuhan dan popularitas sumber daya yang kaya akan pendapat seperti review situs online dan blog pribadi Misalnya, pengungkapan perasaan pribadi yang memungkinkan pengguna untuk membahas masalah sehari-hari, bertukar pandangan politik, mengevaluasi layanan dan produk. Pada penelitian ini diterapkan metode opinion mining dengan menggunakan algoritma Naïve Bayes berbasis Feature Selection. Penggujian metode ini menggunakan dataset Movie Review yang di download dari situs http://www.cs.cornell.edu/People/pabo/movie-review-data/. Data tersebut awalnya dikumpulkan dari IMDb (Internet Movie Database). Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dari algoritma Naïve Bayes dalam mengklasifikasikan dokumen. Akurasi yang dicapai dalam penelitian ini adalah sebesar 95,70% melampaui akurasi yang dijadikan base line dalam penelitian ini adalah sebesar 94,85%.
Kata Kunci : Naïve Bayes, Selection Feature, Opinion mining, Information Gain, Sentiment Analysis.
Article Details
- Seluruh materi yang terdapat dalam situs ini dilindungi oleh undang-undang. Dipersilahkan mengutip sebagian atau seluruh isi situs web ini sesuai dengan ketentuan yang berlaku.
- Apabila anda menemukan satu atau beberapa artikel yang terdapat dalam Jurnal Pseudocode yang melanggar atau berpotensi melanggar hak cipta yang anda miliki, silahkan laporkan kepada kami, melalui email pada Priciple Contact.
- Aspek legal formal terhadap akses setiap informasi dan artikel yang tercantum dalam situs jurnal ini mengacu pada ketentuan lisensi Creative Commons Atribusi-ShareAlike (CC-BY-SA).
- Semua Informasi yang terdapat di Jurnal Pseudocode bersifat akademik. Jurnal Pseudocode tidak bertanggung jawab terhadap kerugian yang terjadi karana penyalah gunaan informasi dari situs ini.