BAB II. LANDASAN TEORI
2.3. Tinjauan Objek Penelitian
Aplikasi Tik-Tok berasal dari perusahaan teknologi asal Singapura, Bytemod, menghadirkanaplikasi edit video bernama ”Tik Tok”.Pada aplikasi Tik-Tok ini pengguna dapat membuat video yang hanya berdurasi kurang lebih 30 detikdengan memberikan special effects yang unik dan menarik serta memiliki dukungan musik yang banyak sehingga penggunanya dapat melakukan performa dengan beragam gaya ataupun tarian, dan masih banyak lagi sehingga mendorong kreativitas penggunanya menjadi content creatore[3]
Objek penelitian ini adalah review pengguna aplikasi Tik-Tok yang ada pada google Playstore. Review pengguna aplikasi Tik-tok berjumlah 6.061.122 dengan reting 4,3 di goole Playstore. Pengguna aplikasi dapat memberikan penilaian dengan memberikan komentar atau reting bintang antara 1-5 sesuai dengan kepuasan pengguna. Ulasan yang di berikan oleh pengguna cukup beragam ada yang positif ataupun negatif yang dapat dilihat dari reting bintang seperti gambar 2.7.
Data yang digunakan adalah ulasan pengguna aplikasi Tik- tok yang di ambil dari komentar review aplikasi yang berupa teks bahasa indonesi. Data di
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
ambil dengan cara melakukan crawling data menggunakan aplikasi webharvypada kolom komentar aplikasi Tik-tok pada alamat url https://play.google.com/store/apps/details?id=com.ss.android.ugc.trill&hl=in
Sumber:https://play.google.com/store/apps/details?id=com.ss.android.ugc.trill&hl
=in
Gambar 2.7. Rating ulasan aplikasi tik-tok 2.4. Kerangka Pemikiran
Berikut di bawah ini gambar 2.8 merupakan kerangka pemikiran dari penelitian yang dilakukan sebagi berikut:
Sumber: Hasil penelitian
Gambar 2.8. Kerangka Pemikiran
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
Terdapat beberapa tahapan yang dilakukan pada penelitian ini, berikut tahapan-tahapan tersebut:
1. Tahap pertama dalam penelitian ini yaitu proses pengumpulan data dengan crawling data menggunakan aplikasi webharvy pada kolom komentar pada aplikasi Tik-tok yang ada pada Google palystore. Data yang di ambil kurun dalam waktu 4 bulan (januari 2020-april 2020) dari rating 1 dan rating 5 yang berbahasa indonesia.
2. Tahap kedua yaitu melakukan pengolahan data awal dengan melakukan preprocessing. Pada proses ini dilakukan proses yang mencakup proses penyeragaman dokumen menjadi lowercase, memfilter semua dokumen yang mempunyai notasi @, hashtag (#), tanda baca titik (.), koma (,) dan tanda baca lainnya, memfilter kata yang kurang dari N karakter, memfilter kata yang terdapat dalam daftar stop word, tokenisasi, stemming, pada proses ini juga dilakukan pembobotan dengan menggunakanTerm Frequency Inverse Document Frequency (TF-IDF).
3. Tahap ketiga yaitu melakukan modeling klasifikasi dengan menggunakan algoritma KNN, NB, dan SVM. Hasil dari proses klasifikasinya dibandingkan untuk mengetahui algoritma mana yang menghasilkan akurasi terbaik.
4. Tahap keempat yaitu proses evaluasi, dimana keakuratan algoritma diukur dengan confusionmatrix dan hasilnya di lihat dalam accuracy, precision, recall dan bentuk ROC Kurve.
5. Dalam tahap berikutnya dilakukan deployment.
36 BAB III
METODOLOGI PENELITIAN
3.1. Analisis Kebutuhan
Penelitian dilakukan dengan eksperimen untuk menguji model yang diusulkan. Komputer yang digunakan dalam penelitian memiliki spesifikasi Intel(R), memori (RAM) 2,00 GB, monitor standar dan dengan sistem operasi Windows 7 Profesional 64 bit. Tools machine learning yang digunakan adalah KNIME versi 4.1.2 sebagai software data mining. Dalam pengolahan data menggunakan framework KNIME untuk mengolah data review sebagai alat bantu pengukuran sehingga menghasilkan akurasi yang akurat.
3.2. Pengolahan Data Awal
Pada tahap ini dilakukan klasifikasi teks atau sentimen dengan prepocessing agar teks yang memiliki isi yang tidak sempurna seperti data yang hilang, data yang tidak valid atau juga hanya sekedar salah ketik. Selain itu, ada juga atribut-atribut data yang tidak relevan. Data tersebut lebih baik di buang karena keberadaannya bisa mengurangi mutu atau akurasi. Untuk itu, dalam pengolahan data awal, text mining harus melalui beberapa tahapan yang di sebut dengan prepocessing. Teknik yang dipilih dalam prepocessing pada penelitian ini menggunakan GataFramworkantara lain @anotation removal, Normalization:Emoticon, Tokenization:RegExp, Indonesai Stemming, Transformation: Not (negatif), Dari hasil preprocessing menggunakan gata framework, data yang dihasilkan belum sepenuhnya bersih sehingga dalam proses pengolahannya menggunakan aplikasi KNIME diantaranya Punctuation Erasure, N-Chart Filter, Indonesia stopword, Removal dan TF-IDF.
3.3. Metode yang diusulkan
Metode yang di usulkan adalah penggunaan 3 (Tiga) jenis metode algoritma yaitu NB, KNN dan SVM dengan membandingkan ketiga metode algoritma tersebut untuk diketahui metode algoritma terbaik untuk diterapkan bersama.
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
3.4. Eksperimen dan Hasil Pengujian
Proses eksperimen yang dilakukan menggunakan aplikasi KNIME. Sedangkan untuk pengujian model dilakukan menggunakan dataset review pengguna aplikasi Tik-tok pada google play. Pengujian model di lakukan dengan model preprocessing dan Cross Validation dengan mengguji ketiga metode yang dgunakan.
3.5. Evaluasi dan Hasil Validasi
Dalam tahap ini di usulkan untuk analisis review pengguna Tik-tok dengan algoritma NB, K-NN dan SVM. Evaluasi dalam penelitian ini menggunakan beberapa uji validasi di antaranya cross-validation yang digunakan untuk menguji keakuratan metode. Proses yang dilakukan setelah melakukan pengujian yaitu mengukur performance dari algoritma klasifikasi text mining yang dipakai. Dalam penelitian ini performance diukur menggunakan Accuracy dan AUC serta akan ditampilkan dalam bentuk kurva ROC.
Penelitian ini dilakukan dalam beberapa tahapan yang dikembangkan dari model Cross-Standard Industry for Data Mining (CRISP-DM) yaitu terdiri dari 6 tahap dengan langkah-langkahnya adalah Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation dan Deployment.
Berikut ini pada gambar 3.1 di bawah ini menunjukan model yang diusulkan dalam penelitian dengan menggunakan metode CRISP-DM:
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri Sumber: hasil penelitian
Gambar 3.1. Metode Penelitan
1. Pemahaman Bisnis (Business Understanding)
Tahapan ini menjadi proses pertama dari CRISP-DM dimana penelitian mengarah kepada tujuannya. Perumusan dan definisi masalah diselesaikan pada tahap ini. Adapun tahap ini bertujuan untuk memahami bidang masalah, menghasilkan solusi yang tepat, dan mengungkapkan faktor penting yang berpengaruh pada hasil penelitian. Pada penelitian ini akan menggunakan dataset
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
dari review aplikasi Tik-tok. Klasifikasi diperlukan dengan data mining untuk melakukan klasifikasi dengan berdasarkan kepada data review aplikasi. Hasil dari penelitian diharapkan dapat dijadikan sebagai acuan terhadap pengguna aplikasi tik-tok.
2. Pemahaman Data (Data Understanding)
Tahap ke dua dari CRISP-DMadalah Data Understanding. Data yang akan diklasifikasikan perlu dipahami sebelum penelitian dilakukan. Pada tahap ini penelitian bertujuan untuk mengumpulkan, mengidentifikasi serta memahami data yang di miliki serta digunakan. Dataset yang digunakan merupakan data yang di ambil dari review aplikasi tik-tok di google play.
3. Persiapan Data (Data Preparation)
Tahap ke tiga dari CRISP-DM adalah Data Preparation. Setelah data yang akan diujikan dipahami, selanjutnya adalah melakukan persiapan data. Tahapan awal dilakukan dengan pre-processing untuk mempersiapkan dataset agar dapat lebih mudah untuk diklasifikasikan. Pada tahap ini dilakukan klasifikasi teks atau sentimen dengan tahapan preprocessing agar teks yang memiliki isi yang tidak sempurna seperti data yang hilang, data yang tidak valid atau juga hanya sekedar salah ketik. Selain itu, ada juga atribut-atribut data yang tidak relevan. Data tersebut lebih baik dibuang karena keberadaannya bisa mengurangi mutu atau akurasi. Untuk itu, dalam pengolahan data awal, text mining harus melalui beberapa tahapan yang disebut dengan preprocessing.
4. Pemodelan (Modeling)
Pada tahapan ini dataset diujikan dengan menggunakan teknik data mining.
Klasifikasi dilakukan dengan menerapkan beberapa algoritma data mining yang diusulkan. Pada penelitian ini pengujian dilakukan menggunakan algoritma SVM, KNN, dan NB. Setelah pengujian dilakukan, selanjutnya hasil yang diperoleh akan disajikan dalam bentuk tabel dan grafik.
5. Evaluation
Evaluasi dilakukan berdasarkan nilai akurasi, AUC, dan confussion matrix.
Confusion Matrix akan menggambarkan hasil akurasi mulai dari prediksi positif yang benar, prediksi positif yang salah, prediksi negatif yang benar dan prediksi negatif yang salah. Akurasi akan dihitung dari seluruh hasil prediksi yang benar
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
(baik prediksi positif dan negatif) dibandingkan dengan seluruh data testing.
Semakin tinggi nilai akurasi, semakin baik pula model yang dihasilkan. Pengujian juga diukur dengan menggunakan ROC Curve. ROC Curve akan menggambarkan kelas positif dalam bentuk kurva. Pengujian dilakukan dengan menghitung nilai Area Under Curve (AUC), semakin tinggi nilai AUC dan ROC Curve, maka semakin baik pula model klasifikasi yang terbentuk.Tahapan ini akan melihat secara mendetail mengenai hasil kinerja algoritma yang diujikan pada dataset.
3.6. Penerapan (Deployment)
Tahap ini adalah tahap terakhir dari CRISP-DM yaitu hasil dari seluruh tahapan yang sebelumnya digunakan secara nyata. Maknanya adalah melakukan sesuatu berdasarkan pengetahuan yang didapatkan dari kegiatan mining terhadap data, Penerapan dalam penelitian ini akan dikembangjan dengan PHP MySQL.
Adapun rincian waktu kegiatan penelitian (Timline) yang dilakukan dibuat dalam bentuk tabel seperti pada tabel tabel 3.1 berikut ini:
Tabel 3.1. Jadwal Kegiatan (Timeline)
No. Keterangan April Mei Juni Juli
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 Analisis Kebutuhan
2 Penentuan Judul 3 Studi Literatur
4 Penentuan Metode Penelitian dan analisis Data 5 Pengolahan Data
6 Penerapan Model 7 Deployment 8 Dokumentasi
41 BAB IV
HASIL DAN PEMBAHASAN
Data training yang digunakan pada saat pengujian data diambil dari ulasan pengujian data dilakukan dengan menggunakan opini public tentang aplikasi Tik-Tok yang ada di Google Play. Data yang diambil sebanyak 1.000 data training, dengan masing masing 500 data untuk positif dan negatif. Kemudian data di lakukan training dataset sehingga didapat accuracy dan grafik ROC. Berikut akan dijelaskan lebih rinci mengenai hasil penelitian yang di peroleh.
4.1. Business Understanding
Tujuan penelitian ini adalah untuk melakukan klasifikasi terhadap data review aplikasi. Pada tahapan ini, dilakukan pemahaman terhadap objek penelitian. Penelitian melakukan pemahaman dengan menggali data dan informasi melalui data review aplikasi tik-tok. Pada tahap ini peneliti mengambil data review yang ada di google play. Pada tahap business understanding juga dilakukan pemahaman model pada saat proses pengolahan data dengan pendekatan model pengkategorian terbaik yang akan dilakukan dengan cara membandingkan hasil dari algoritma. Klasifikasi dilakukan dengan menggunakan algoritma yang algoritma adalah SVM, KNN dan NB.
4.2. Data Understanding
Pada tahap data understanding adalah proses menyiapkan data yang bertujuan untuk mendapatkan data yang bersih dan siap untuk di gunakan sebagai bahan yang akan diteliti agar dapat di lakukan ke tahap setelahnya yaitu Preprocessing. Tahap ini dilakukan proses pengambilan data mentah sesuai dengan atribut yang dibutuhkan. Data diperoleh dari review aplikasi tik-tok yang di ambil dari review bulan januari-april dengan pengambilan data pada reting 1 sebanyak 908 dan reting 2 sebanyak 985 dengan jumlah total data 1893. Berikut adalah beberapa contoh review aplikasi Tik-tok yang ada di google playstore:
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri Tabel 4.1. Tabel Review Aplikasi Tik-Tok
No Komentar Label
1 Aplikasi Gak mutu, pembodohan, seksual, merusak Moral, ditambah lagi PENIPUAN berkedok even bagi Skin ML, udah susah payah ngumpulin 15000+ waktu di Reddem udah
Negatif
2 Tindakan promosi yang tidak dilengkapi dengan keterangan, sehingga banyak pengguna yang sudah mengumpulkan point tidak bisa meredeem promo tanpa pemberitahuan.
Negatif
3 Kenapa tiktok sekarang berubah!saya tidak setuju dengan yg sekrang filter nya cuma sampai f4 dan yg lain nya tidak ada dan efek nya pun tidak ada cuman ada yg seperti
Negatif
4 Setelah habis update kenapa video gak bisa diupload ? Masuk ker darft n mau coba lagi tetap gak bisa dan juga video saya ada info pelanggaran, perasaan upload yg wajar" aja deh.. ud cb laporkan masalah t gak ada respon, tolong gimana ini solusinya ?
Negatif
5 Jujur, gw kecewa bngt sma aplikasi ini, msa ia ada event tiktok ticket yg katanya bsa Redeem hadiah yg mau di inginkan, gw udh Redeem skin spesial Nana, poin udh bnyk, tp pas gw Redeem, MSA gk bsa dgn alasan "
mohon maaf kupon tiket telah habis, silahkan cari kupon tiket yang lain ", gw incer skin e... Ulasan Lengkap
Negatif
6 Kok saya gk bisa dapet poin mengundang teman, padahal udah nambah 3 teman dari sebelumnya. Harusnya poin saya sudah 7.800 sekarang. Terus saya juga gk bisa login buat dapet 200 poin akhir" ini. Tolong dibantu ya DEVELOPER.
Negatif
7 Aplikasi suka bohong, udah saya cape-cape ngumpulin poin buat tuker hadiah di mobile legends, yah katannya gak punya kupon tapi tetep poin saya ilang, kalau aplikasi ini janji kasih hadiah, jangan percaya, gak berguna
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
No Komentar Label
"PELANGGARAN PANDUAN KOMUNITAS"
MAKSUD NYA APA?! VIDEO NYA NORMAL NORMAL AJA, TIDAK ADA HAL VULGAR!!
VIDEO CUMA FOTO DARI KECIL HINGGA DEWASA APA SALAHNYA?! FREAK!!!!!
9 Penipu... Gw udah capek-capek ngumpulin point eh malah gak bisa dituker. Ini sih namanya penipuan.
Banyak orang yang download karena event ini tapi malah gak bisa di klaim kan penipuan. Hapus aja nih tiktok di playstore dasar penipu. Udah sabar ngebagiin ke temen aplikasi tiktok supaya dapat point e... Ulasan Lengkap
Negatif
10 Parah banget dah padahal udah capek Capek ngumpilin ehhh malah tiketnya habis,padahal dah gua share parah cuk, lain kali kalok mau ngadin ivent sedian stok yang banyak, dan seleksilagi orang orang di luar sana yg bermain curang ahhh nyesel gua ngumpulin 😈😈
Negatif
11 Aku setiap hari kalau tidak ada tiktok pasti sangat bosan, kalau setiap hari ada tiktok Aku tidak akan bosan, terimakasih Tik tok😇😇
Positif
12 Seru banget bukan cuman bisa nonton video nya doang kita juga bisa tau banyak hal, mendapatkan teman, banyak deh kegunaannya tiktok
Positif
13 Dari Tiktok kita banyak belajar tentang hal, salah satunya kreatifitas, inovasi, berkreasi, berkarya hiburan dan dari tiktok kita melihat senyum semua orang makasih tiktok, salam dari saya @Mas mamat_TvOfficiall
Positif
14 Aplikasi ini bermanfaat banget untuk semua orang...
Karena banyak hal-hal yang positif yang bisa di liat dari video-video kreatifitasnya... ❣️✨
Positif
15 Alhamdulillah dengan adanya tiktok..kita bisa saling menjalin tali silaturahim..makasih tiktok
Positif 16 Assalamualaikum .App ini bagus banget bisa membuat
vidio bisa melihan vidio orang lain.thank you ya yang sudah membuat app ini.tapi saat aku mau membuat vidio nunggu musiknya itu lama banget tolong di perbaiki
Positif
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
No Komentar Label
yaaaaaa... perkenalkan saya fitri kls 5 Assalamualaikum wr.wb
17 Bisa buat menghibur dalam kondisi sekarang ini.
Pokoknya bisa buat menghibur diri sendiri dan orang lain
✨✨✨
Positif
18 Ya aplikasi ini luar biasa aku sangat menyukainya oh ya namaku Aira aku tinggal di nganjuk jawa timur aku kls 2 sd kan aplikasi ini luar biasa aku beri nilai💯😗😗😗😗
Positif
19 Suka banget ..pkoknya suka dan mnghibur banget..apalagi skarang ga boleh kemana mana..jadi hiburan banget buat aku..
Positif
20 Aplikasi yg sangat menyenangkan, bura kalian instal aplikasi ini agar kalian dapat bersenang-senang
Positif
Pada tabel 4.1. Menunjukan beberapa review positif dan negatif pengguna aplikasi tik-tok. Dataset yang digunakan merupakan data yang di ambil dari review aplikasi tik-tok yang ada di google play. Data yang diperoleh berdasarkan komentar yang berbahasa indonesai. Proses selanjutnya dilakukan proses cleansing pada data untuk menghilangkan duplicate data.
4.3.Data Preparation
Pada tahap ini merupakan tahap dengan proses penyiapan data yang bertujuan untuk mendapatkan data yang bersih dan siap untuk digunakan dalam penelitian.Data awal yang diperoleh kemudian dilakukan proses cleansing untuk menghilangkan duplicate kata dan menghilangkan data yang tidak relevan dan tidak berhubungan dengan masing-masing aplikasi tersebut. Setelah itu dari data yang di peroleh kemudian dibuat menjadi dataset dengan atribut dataset berupa text dan label. Text berisi komentar-komentar pengguna aplikasi yang diberikan melalui google playstore dan label berisi kategori dari komentar yang berupa positif dan negatif
Proses pelabelan dilakukan dengan menggunakan jasa para ahli/pakar bahasa Indonesia untuk melakukan hal tersebut. Hasil dari labelling dan pengkategorian yang dilakukan oleh tim ahli/pakar bertujuan agar status data
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
menjadi normal dalam penelitian text mining. Adapun hasil dari tahap ini adalah sebagai berikut:
Tabel 4.2. Tabel Hasil Proses Pelabelan
Label Kategori Jumlah Kategori
Negatif 500
Positif 500
Sumber: Hasil Penelitian
Pada Tabel 4.2 menunjukan bahwa data yang di ambil di bagi menjadi 2 kelas yaitu kelas positif dan kelas negatif. Kelas Positif di ambil dari reting bintang 5 dan kelas Negatif di ambil dari reting bintang 1. Jumlah yang terkumpul 1000 data yang terdiri dari 500 data positif dan 500 data negatif dengan jumlah data yang seimbang dengan tujuan untuk mendapatkan hasil akurasi yang lebih optimal. Seperti dalam penelitin sebelumnya [37] dalam hasil penelitiannya membuktikan bahwa akurasi prediksi dari kedua classifier akan lebih optimal bila menggunakan set data yang memiliki jumlah kelas positif dan negatif yang seimbang.
Tahapan awal yang akan dilakukan dalam penelitian ini adalah tahap text Preprocessing, dalam tahap preprocessing menggunakan Gataframework.com dan KNIME. Berikut merupakan tahapan yang dilakukan dalam text preprocessing:
Sumber:hasil penelitian
Gambar 4.1. Proses preprocessing dengan gataframework
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
Gambar 4.1.merupakan proses preprocessing document menggunakan tools gataframework.com. Dari hasil preprocessing menggunakan gataframework, data yang dihasilkan belum sepenuhnya bersih sehingga dalam proses pengolahannya menggunakan aplikasi KNIME masih perlu ditambahkan beberapa proses preprocessing lagi seperti gambar berikut ini:
Sumber: Hasil penelitian
Gambar 4.2. Proses preprocessing dengan KNIME
Pada gambar 4.2. di atas menunjukan desain model preprocessing data menggunakan operator process document pada KNIME. Tahapan yang dilakukan adalah punctuation erasure, N-Chart Filter, Indonesia Stopword, Removal, TF-IDF.
4.3.1. @Anotation Removal
Proses @Anotation Removal adalah proses untuk menghilangkan teks yang memiliki anotasi @ dan mengubah seluruh huruf besar menjadi huruf kecil 4.3 menunjukan perbandingan teks sebelum dan sesudah dilakukannya proses
@Anotation Removal.
Tabel 4.3.Perbandingan Teks Sebelum dan Sesudah Dilakukan Proses @Anotation Removal
@Anotation Removal
Data sebelum Data sesudah
#BRINGBACKBAYU Gw, gatau yah kesalahan bayu dimana. Di akun
@bayulinho yg terbanned permanen itu, sering bat violation. But, orgnya
#bringbackbayu gw, gatau yah kesalahan bayu dimana. di akun yg terbanned permanen itu, sering bat violation. but, orgnya diam ajaa... ehh
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
diam ajaa... Ehh kok tiba tiba di Permanently Banned sihh??? Gw kasi tau lu yah borr.. klo emang kontennya gak jelas, kita semua gak bakal follow dia lahh.. tapi kan ko... Ulasan Lengkap
kok tiba tiba di permanently banned sihh??? gw kasi tau lu yah borr.. klo emang kontennya gak jelas, kita semua gak bakal follow dia lahh.. tapi kan ko... ulasan lengkap
Sumber: Hasil Penelitian
Tabel 4.3. Menunjukan hasil dari proses Remove@ dalam preproccesing, dimana pada tahap ini kometar yang memiliki anotasi @ akan hilang dan huruf menjadi huruf kecil semua.
4.3.2. Tokenization (RegExp)
Proses Tokenization: Regexp adalah proses untuk menghilangkan tanda baca dan angka sehingga hasilnya adalah kata. Proses preprocessing ini dilakukan dengan menggunakan GATA framework. Tabel 4.4. menunjukan perbandingan teks sebelum dan sesudah dilakukannya proses RegExp
Tabel 4.4. Perbandingan Teks Sebelum dan Sesudah Dilakukan Proses RegExp Proses RegExp
Data sebelum Data sesudah
#BRINGBACKBAYU Gw, gatau yah kesalahan bayu dimana. Di akun
@bayulinho yg terbanned permanen itu, sering bat violation. But, orgnya diam ajaa... Ehh kok tiba tiba di Permanently Banned sihh??? Gw kasi tau lu yah borr.. klo emang kontennya gak jelas, kita semua gak bakal follow dia lahh.. tapi kan ko... Ulasan Lengkap
bringbackbayu gw gatau yah kesalahan bayu dimana di akun yg terbanned permanen itu sering bat violation but orgnya diam ajaa ehh kok tiba tiba di permanently banned sihh gw kasi tau lu yah borr klo emang kontennya gak jelas kita semua gak bakal follow dia lahh tapi kan ko ulasan lengkap
Sumber: Hasil Penelitian
Tabel 4.4. Menunjukan hasil dari proses Remove# dalam preproccesing,
Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri
dimana pada tahap ini kometar yang memiliki anotasi # hilang seperti yang tertera pada tabel di atas.
4.3.3. Stemming
Stemming merupakan proses pembentukan kata menjadi kata dasar, dalam penelitian ini proses stemming yang dilakukan menggunakan Indonesian stemming dan bertujuan untuk membentuk kata dasar dari opini yang diberikan
Stemming merupakan proses pembentukan kata menjadi kata dasar, dalam penelitian ini proses stemming yang dilakukan menggunakan Indonesian stemming dan bertujuan untuk membentuk kata dasar dari opini yang diberikan