• Tidak ada hasil yang ditemukan

Analisis Sentimen Tentang Opini Film Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Naive Bayes Dengan Perbaikan Kata Tidak Baku

N/A
N/A
Protected

Academic year: 2018

Membagikan "Analisis Sentimen Tentang Opini Film Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Naive Bayes Dengan Perbaikan Kata Tidak Baku"

Copied!
9
0
0

Teks penuh

Gambar

Tabel 1. Contoh kamus_katabaku
Tabel 2. Hasil pengujian pengaruh penggunaan pre-
Tabel 3. Hasil pengujian pengaruh penggunaan perbaikan kata tidak baku
Gambar 3. Nilai accuracy dari seluruh pengujian
+2

Referensi

Dokumen terkait

Dengan menggunakan metodelogi tiga algoritma klasifikasi yaitu Naive Bayes, K-Nearest Neighbour dan Random Forest dalam pengklasifikasian data untuk mengetahui

Algoritma Naive Bayes Classifier dapat diimplementasikan untuk klasifikasi ketepatan waktu lulus mahasiswa dan menghasilkan prosentase klasifikasi yang cukup bagus,

Proses Modelling merupakan proses membuat model klasifikasi Multinomial Naive Bayes. Terdapat beberapa tahapan yang dilakukan seperti pemilihan fitur, training

Hasil dari analisis sentimen dengan menggunakan Naive Bayes Classifier untuk mengklasifikasikan data tweet film “Parasite” dan “Parasitemovie” didapatkan dua sentimen yaitu sentimen

Nilai ROC AREA pada Klasifikasi Naive Bayes No Data Positif Negatif Netral 1 Training 0,945 0,954 0,933 2 Testing 0,972 0,978 0,975 Nilai ROC Area antara 0,90-1 bernilai Excellent A

Tujuan penelitian ini adalah untuk melakukan pencarian komentar negatif, postif, dan netral dengan review data Twitter BMKG Nasional menggunakan algoritma naive bayes, lalu melakukan

Kurva ROC Algoritma Naive Bayes Berbasis PSO KESIMPULAN Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan nilai akurasi yang tinggi untuk analisis sentimen pengguna

Melihat peneliti sebelumnya, peneliti ingin membuat penelitian yaitu klasifikasi sentimen pada aplikasi View Ranger berdasarkan pendapat pengguna menggunakan metode Naive Bayes guna